一种动态获取簇核心的自动聚类tNN-MEANS算法 |
| |
作者单位: | ;1.信阳师范学院计算机与信息技术学院;2.信阳师范学院综合档案室 |
| |
摘 要: | K-means算法是一种非常重要的聚类算法,然而算法的聚类效果受簇的个数、初始中心点位置的影响很大.提出基于优化初始中心集合和中心移动算法tNN-MEANS,算法有效解决了以下三个问题:1)准确确定大规模数据集中簇的个数;2)精确确定全局高密度的核心区域;3)克服了簇中存在多个高密度区域的问题.运用UCI数据集分别对X-means算法、DBSCAN算法和tNN-MEANS算法进行对比实验,实验结果验证了tNN-MEANS算法的聚类精度、确定簇的个数、蔟划分的正确率等性能均优于与之对比的其它算法.
|
关 键 词: | 自动聚类 簇核心 tNN-MEANS算法 |
A Dynamic Cluster Core Algorithm for Automatic Clustering Based on tNN-MEANS |
| |
Abstract: | |
| |
Keywords: | |
|
|