文献类型：期刊文章

作　　者：胡伟[1]

机构地区：[1]山西财经大学实验教学中心,太原030006

出　　处：《计算机系统应用》

年　　份：2013

卷　　号：22

期　　号：5

起止页码：116-121

语　　种：中文

收录情况：CSA、IC、ZGKJHX、普通刊

摘　　要：针对经典k-均值聚类方法只能处理静态数据聚类的问题,本文提出一种能够处理动态数据的改进动态k-均值聚类算法,称为Dynamical K-means算法.该方法在经典k-均值方法的基础上,通过对动态变化的数据集中新加入样本进行分析和处理,根据聚类目标函数改变的实际情况选择最相似的类别进行局部更新或进行全局经典k-均值聚类,有效检测发生聚类概念漂移和没有发生聚类概念漂移的情况,从而实现了动态数据的在线聚类,避免了经典k-均值方法在动态数据中每次都要对全部数据重新聚类而导致算法速度过慢的问题.标准数据集和人工社会网络数据集上的实验结果表明,与经典k-均值聚类方法相比,本文提出的动态k-均值聚类方法能快速高效地处理动态数据聚类问题,并有效地检测动态数据聚类过程中所产生的概念漂移问题.

关 键 词：K-均值聚类 动态k-均值算法  动态数据 概念漂移

分 类 号：TP311.13]