二维空间中硬聚类算法影响力因子的作用研究

经典硬聚类算法hcm（hardc-means）完全基于欧氏距离，针对其无法较好应对各簇规模差异较大的情况，提出在每个欧氏距离项上加入一个影响力因子，使基于距离的标准转变为更通用的基于角度的标准的方法（hcmef算法）。用该算法对二维空间中两类分布密度基本一致，样本数对比分别为1000：1000、1000：5000和1000：10000，正态分布且类边界从较模糊到较清晰的不同数据进行试验。结果显示，hcmef方法可以很好地找到聚类中心的标准设定值，在各种情况下都有很明显优势，表现出很强的稳定性。表明该方法