10.3969/j.issn.1000-386x.2017.12.051
基于数据场的数据势能竞争与K-means融合的聚类算法
K-means算法采用欧氏距离进行数据点的划分,不能够准确地刻画数据集特征,而随机选取聚类中心点的机制,也不能获得好的聚类结果.为此,提出一种基于数据场的数据势能竞争与K-means算法融合的聚类算法.算法中定义了数据场的概念,利用局部最小距离进行数据聚合势能的竞争,然后利用势能熵提取基于数据集分布的最优截断距离,根据截断距离与斜率确定出簇中心点,实现K-means聚类.在UCI数据集上的测试结果表明,融合后的算法具有更好的聚类结果.
数据竞争、数据场、势能熵、斜率、复杂数据集
34
TP18(自动化基础理论)
江苏省自然科学基金项目BK20140165
2018-04-10（万方平台首次上网日期，不代表论文的发表时间）
共7页
266-272
