|
|||||
|
|
| 一种降低噪音数据对k-means聚类结果影响的改进算法 | |
| 引用本文： | 霍亮,杨柳,周志勇.一种降低噪音数据对k-means聚类结果影响的改进算法[J].科技通报,2013(9). |
| 作者姓名： | 霍亮 杨柳 周志勇 |
| 作者单位： | 1. 河北金融学院信息管理与工程系 2. 河北大学经济管理实验中心,河北保定,071000 3. 河北省国家税务局,河北石家庄,050011 |
| 基金项目： | 河北省科技厅2010年度科研项目，项目名称数据挖掘在金融行业中的应用。 |
| 摘 要： | k-means算法是常用的聚类算法之一，它是一种基于划分的聚类算法，但是k-means算法有对噪音数据鲁棒性不佳的不足，且它对于噪音和孤立点数据是敏感的。本文主要针对这个不足，将密度思想与k-means算法结合，提出了一种对k-means算法的改进算法，并通过实验表明了这种算法的可行性和有效性。 |
| 关 键 词： | k-means 噪音 鲁棒性 |
An Algorithm Based on Reducing the Impact of Noise Data to Improve the K-means Clustering Results |
|
| Huo Liang , Yang Liu , Zhou Zhiyong.An Algorithm Based on Reducing the Impact of Noise Data to Improve the K-means Clustering Results[J].Bulletin of Science and Technology,2013(9). | |
| Authors: | Huo Liang Yang Liu Zhou Zhiyong |
| Abstract: | |
| Keywords: | K-means noise robustness |
| 本文献已被 万方数据 等数据库收录！ | |