一种基于距离调节的聚类算法
  • 【摘要】

    针对k-means算法不适合凹形样本空间的问题,提出了一种基于距离调节的聚类算法、算法中引入了一种调节最短路径距离作为算法的相似度函数,该函数可以使经过高密度数据区域的两点距离缩短,而经过低密度数据区域的两点距离加长,由此来缩小类间样本的相似度,同时加大类间的相似度,以及更好的聚类.实验结果证明,该算法对凹状的聚类样本空间具有很好的聚类效果.

  • 【作者】

    陈伯伦  陈崚  王俊生 

  • 【作者单位】

    扬州大学,计算机系,江苏,扬州,225009

  • 【会议名称】

    2008年全国开放式分布与并行计算学术年会

  • 【会议时间】

    2008-10-25

  • 【会议地点】

    扬州

  • 【主办单位】

    中国计算机学会

  • 【语种】

    chi

  • 【关键词】

    聚类算法  k-means算法  距离调节