Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2008-02-21

Journal: 计算机工程与应用

Included Journals: CSCD、ISTIC、PKU

Volume: 44

Issue: 6

Page Number: 178-181

ISSN: 1002-8331

Key Words: 聚类分析;K-means;最近共享邻居

Abstract: 聚类分析是一种重要的数据挖掘方法.K-means聚类算法在数据挖掘领域具有非常重要的应用价值.针对K-means需要人工设定聚类个数并且易陷入局部极优的缺陷,提出了一种基于最近共享邻近节点的K-means聚类算法(KSNN). KSNN在数据集中搜索中心点,依据中心点查找数据集个数,为K-means聚类提供参数.从而克服了K-means需要人工设定聚类个数的问题,同时具有较好的全局收敛性.实验证明KSNN算法比K-means、粒子群K-means(pso)以及多中心聚类算法(MCA)有更好的聚类效果.