自适应特征权重的K-means聚类算法 |
| |
引用本文: | 李四海,满自斌.自适应特征权重的K-means聚类算法[J].微机发展,2013(6):98-101,105. |
| |
作者姓名: | 李四海 满自斌 |
| |
作者单位: | 甘肃中医学院;兰州理工大学 |
| |
基金项目: | 国家自然科学基金资助项目(51069004) |
| |
摘 要: | 为提高传统K-means聚类算法在医学数据聚类中的准确率和稳定性,提出了一种自适应特征权重的K-means聚类算法AFW-K-means。该算法首先通过计算属性的均方差选取初始聚类中心,然后根据当前的迭代结果,按照类内紧密、类间远离的原则调整属性在距离公式中的特征权重,以便更准确地反映数据点在欧氏空间中的真实距离,最后选取UCI上的BCW乳腺肿瘤等数据集对算法的有效性进行验证。结果表明:算法的准确率和稳定性均明显好于传统K-means算法。
|
关 键 词: | K-means 医学数据聚类 自适应特征权重 聚类评价 混淆矩阵 |
本文献已被 CNKI 等数据库收录! |
|