文献类型：期刊文章

作　　者：唐丹[1] 张正军[1] 王俐莉[2]

机构地区：[1]南京理工大学理学院统计与金融数学系,江苏南京210094 [2]海军指挥学院科研部,江苏南京210016

出　　处：《计算机技术与发展》

基　　金：全国统计科学研究计划重点项目(2013LZ45)

年　　份：2017

卷　　号：27

期　　号：1

起止页码：182-185

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：由于K-means算法初始聚类中心的选取具有随机性,聚类结果可能不稳定,导致Gap统计估计的聚类数也可能不稳定。针对这些不足,提出一种改进的近邻传播算法-mAP。该算法考察数据的全局分布特性,不同的点赋予不同的P值。在Gap统计中用mAP算法代替K-means算法,提出基于mAP的Gap统计mAPGap。mAP能在较短的时间内得到较好的聚类效果,而且不需要预先设定初始聚类中心,聚类结果更稳定。实验结果表明,mAPGap在估计聚类数的稳定性和聚类精度上都优于原Gap。

关 键 词：聚类分析 近邻传播聚类 偏向参数  K-MEANS算法 GAP统计

分 类 号：TP301.6]