%0 Journal Article %A 潘楚 %A 颜宏文 %A 周雅梅 %T 基于宽度优先搜索的K-medoids聚类算法 %D 2015 %R 10.11772/j.issn.1001-9081.2015.05.1302 %J 计算机应用 %P 1302-1305 %V 35 %N 5 %X

针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略. 首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点, 同时采用簇间距离和簇内距离优化准则函数. 实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率.

%U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2015.05.1302