文献类型：期刊文章

作　　者：冯荣耀[1] 上官廷华[2] 柳宏川[3]

机构地区：[1]郑州大学教育技术中心,郑州450052 [2]河南商业高等专科学校现代教育与实验中心,郑州450045 [3]郑州大学信息工程学院,郑州450052

出　　处：《信息技术》

年　　份：2010

卷　　号：34

期　　号：3

起止页码：55-57

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：在传统的K-means聚类算法基础上提出了一种基于均方差属性加权的MWS-K-means算法。引入特征权重以提高聚类结果的类内相似度(intra-similarities),从而提高聚类精度。考虑到K-means算法采用误差平方和作为聚类准则函数,而误差平方和与概率论中数字特征的基本描述方法———均方差具有较高相似性,算法中特征权重的计算采用均方差法。根据属性的离散程度对欧氏距离进行加权处理,从而用相对距离代替绝对距离来计算类间相似度。实验结果表明:MWS-K-means算法在聚类精度方面优于标准的K-means算法。

关 键 词：K-MEANS算法 属性权重  均方差

分 类 号：TP18]