文献类型：期刊文章

作　　者：孔锐[1] 张国宣[1] 施泽生[1] 郭立[1]

机构地区：[1]中国科学技术大学电子科学与技术系,合肥230026

出　　处：《计算机工程》

基　　金：高校博士点学科专项基金资助项目(20020358033)

年　　份：2004

卷　　号：30

期　　号：11

起止页码：12-13

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：将核学习方法的思想应用于K-均值聚类中,提出了一种核K-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K-均值聚类。同时还将一种新的核函数应用于核K-均值聚类中以提高算法的速度。为了验证算法的有效性,分别利用人工和实际数据进行K-均值聚类和核K-均值聚类,实验结果显示对于一些特殊的类分布数据,核K-均值聚类比K-均值聚类具有更好的聚类效果。

关 键 词：核K-均值聚类  K-均值聚类 核函数 支持向量机

分 类 号：TP181]