%0 Journal Article
%T 复杂分布数据的二阶段聚类算法
%A 公茂果？
%A 王爽？
%A 马萌？
%A 曹宇？
%A 焦李成？
%A 马文萍？
%J 软件学报
%P 2760-2772
%D 2011
%R 10.3724/SP.J.1001.2011.03903
%X 提出了一种用于复杂分布数据的二阶段聚类算法(two-phaseclustering,简称tpc),tpc包含两个阶段:首先将数据划分为若干个球形分布的子类,每一个子类用其聚类中心代表该类内的所有样本;然后利用可以处理复杂分布数据的流形进化聚类(manifoldevolutionaryclustering,简称mec)对第1阶段得到的聚类中心进行类别划分;最后综合两次聚类结果整理得到最终聚类结果.该算法基于改进的k-均值算法和mec算法.在进化聚类算法的基础上引入流形距离,使得算法能够胜任复杂分布的数据聚类问题.同时,算法降低了引入流形距离所带来的计算量.在分布各异的7个人工数据集和7个uci数据集测试了二阶段聚类算法,并将其效果与遗传聚类算法、k均值算法和流形进化聚类算法做了比较.实验结果表明,无论对于简单或复杂、凸或非凸的数据,tpc都表现出良好的聚类性能,并且计算时间与mec相比明显减少.
%K 数据挖掘
%K 聚类
%K k-均值算法
%K 进化算法
%K 流形
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=3903&flag=1