基于密度的K-means算法在聚類數(shù)目中應用
大小：1.00 MB 人氣： 2017-11-25 需要積分：1
針對傳統(tǒng)的K-means算法無法預先明確聚類數(shù)目，對初始聚類中心選取敏感且易受離群孤點影響導致聚類結果穩(wěn)定性和準確性欠佳的問題，提出一種改進的基于密度的K-means算法。該算法首先基于軌跡數(shù)據(jù)分布密度和增加軌跡數(shù)據(jù)關鍵點密度權值的方式選取高密度的軌跡數(shù)據(jù)點作為初始聚類中心進行K-means聚類，然后結合聚類有效函數(shù)類內(nèi)類外劃分指標對聚類結果進行評價，最后根據(jù)評價確定最佳聚類數(shù)目和最優(yōu)聚類劃分。理論研究與實驗結果表明，該算法能夠更好地提取軌跡關鍵點，保留關鍵路徑信息，且與傳統(tǒng)的K-means算法相比，聚類準確性提高了28個百分點，與具有噪聲的基于密度的聚類算法相比，聚類準確性提高了17個百分點。所提算法在軌跡數(shù)據(jù)聚類中具有更好的穩(wěn)定性和準確性。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%