10.3969/j.issn.1000-386x.2017.03.038
密度峰值优化初始中心的K-means算法
K-means算法随机选取初始聚类中心,容易导致聚类结果不稳定.为此,提出一种快速密度峰值搜索算法CFSFDP(clustering by fast search and find of density peaks)优化初始中心的K-means算法.首先针对CFSFDP算法中截断距离的选取影响局部密度的计算这一缺点,提出用动力学中的势能替换数据点的局部密度;在此基础上,利用改进的CFSFDP算法选取初始聚类中心,实现K-means聚类.在UCI数据集和人工模拟数据集上的测试结果表明,优化后的新算法具有更好的聚类结果.
K-means算法、CFSFDP算法、密度峰值、引力势能
34
TP18(自动化基础理论)
江苏省自然科学基金项目BK20140165
2017-05-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
212-217