基于PAM和簇阈值的改进K-Means聚类算法

• 作 者: 卜旭松 刘立波 石磊
• 机 构: 宁夏大学数学与计算机学院,湖北工程学院现代教育技术中心
• 出 处: 湖北工程学院学报
• 发表日期: 2015年3期
• 关键词: 采样 K-MEANS聚类 聚类阈值 孤立点 sampling K-Means cluster cluster threshold outlier

为了弥补K‐M eans算法对孤立点数据敏感的缺陷，提高K‐M eans算法对包含孤立点数据集的聚类效果，在深入研究K‐M eans算法的基础上，提出了基于 PA M 和簇阈值的改进K‐M eans聚类算法。该算法首先对待聚类数据进行抽样，然后利用PA M 算法获取样本数据的聚类中心，以样本数据的聚类中心作为K‐M eans算法的初始聚类中心。在聚类迭代过程中动态计算各簇阈值，利用簇阈值准确地过滤孤立点数据。实验结果表明，本文提出的算法不仅聚类时间短，而且具有较高的聚类准确率。