基于最大维密度的全局优化空间聚类算法

• 作 者: 石亚冰 元昌安 覃晓 黄予
• 机 构: 广西师范学院计算机与信息工程学院,广西师范学院
• 出 处: 计算机仿真
• 发表日期: 2013年03期
• 关键词: 空间对象 最大维 密度 初始种子 聚类算法 Spatial object Maximal dimension Density Initial see
• 基金项目: 广西自然科学基金项目资助项目（2011GXNSFD018025）,广西自然科学青年基金项目资助项目（2012GXNSFBA053161）

在优化空间聚类算法的研究中,传统的K-means空间算法存在两个缺陷,其一是对空间对象的属性描述不全面,其二是对初始种子集选取敏感,容易陷入局部最优值,聚类结果不稳定。为了优化算法,引入适合空间对象的空间属性距离和基于最大维密度选择方案(Max-Dimension of Density Based Seeking,MDDBS)来改进K-means算法,提出利用最大维密度的全局优化空间聚类算法(Max-Dimension of Density Based Clustering,MDDBC),可从密度大