|
个人信息Personal Information
教授
博士生导师
硕士生导师
主要任职：Director of Academic Committee at Kaifa District
其他任职：开发区校区学术分委员会主任（Director of Academic Committee at Kaifa Campus）
性别：男
毕业院校：多伦多大学
学位：博士
所在单位：软件学院、国际信息与软件学院
学科：软件工程. 运筹学与控制论
办公地点：开发区（Kaifa District Campus）
联系方式：mingchul@dlut.edu.cn
电子邮箱：mingchul@dlut.edu.cn
扫描关注
BK-means:骨架初始解K-means
点击次数：
论文类型：期刊论文
发表时间：2009-05-11
发表刊物：计算机工程与应用
收录刊物：PKU、ISTIC、CSCD
卷号：45
期号：14
页面范围：49-52
ISSN号：1002-8331
关键字：聚类;K-means算法;启发式算法;骨架初始解
摘要：K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果.骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义.给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇.利用骨架簇构造骨架初始解及新的搜索空间.最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果.在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力.