一种改进的K-means聚类算法

被引：13

作者：

张建民

机构：

[1] 安徽省地方税务局信息中心

来源：

微计算机信息 | 2010年 / 26卷 / 09期

关键词：

聚类分析; K-means算法; 离群点数据;

D O I：

暂无

中图分类号：

TP182 [专家系统、知识工程];

学科分类号：

1111 ;

摘要：

本文提出了一种带离群点数据过滤的K-means改进算法。该算法根据离群点数据特征制定了离群点数据的发现规则,并在原算法中加入了离群点数据的发现和处理步骤。通过对给定的具有普遍意义的数据实验表明,改进后算法能较为稳定的发现数据集中存在的"离群点数据",这些"离群点数据"符合离群点数据特征;同时在剔除这些极少数离群点数据后,显著提高了聚类结果簇的凝聚度,从而有效克服了离群点数据对K-means算法的影响,使聚类效果得以显著提高。

引用

页码：233 / 234

页数：2

共 5 条

[1]

数据挖掘与知识发现.[M].李雄飞;李军编著;.高等教育出版社.2003,

[2]

数据仓库原理与应用.[M].邓苏等编著;张维明主编;.电子工业出版社.2002,

[3]

数据挖掘.[M].(加)JiaweiHan;(加)MichelineKamber著;范明;孟小峰等译;.机械工业出版社.2001,

[4] 增强型K-means聚类算法在入侵检测中的应用 [J].

高继森 ;

赵杰 ;

张忠辅 ;

张晶 .

微计算机信息, 2008, (09) :72-73

[5] 一种增强的k-means聚类算法 [J].

蒋盛益 ;

李庆华 .

计算机工程与科学, 2006, (11) :56-59

← 1 →