文献类型：期刊文章

作　　者：孙胜[1,2] 王元珍[1]

机构地区：[1]华中科技大学计算机学院,湖北武汉430074 [2]黄石理工学院计算机学院,湖北黄石435003

出　　处：《计算机工程与设计》

基　　金：教育部博士点基金项目(20030487032)

年　　份：2009

卷　　号：30

期　　号：3

起止页码：674-675

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对K-Medoid算法不能有效聚类大数据集和高维数据的弱点,将核学习方法引入到K-Medoid算法,提出了基于核的自适应K-Medoid算法。该算法利用核函数将输入空间样本映射到一个高维的特征空间,在这个核空间中进行K-Medoid聚类,在聚类过程中,数据可以自适应地加入到最适合它的簇当中,并且聚类结果与初始k个中心点的选取无关,该算法可以完成对大数据集和高维数据的聚类。实验结果表明,与K-Medoid算法相比,该算法具有较高的聚类准确率。

关 键 词：聚类 核方法 核函数 K-中心点 特征空间  

分 类 号：TP311.13]