一种基于加权多代表点的层次聚类算法  

An Agglomerative Hierarchical Clustering Algorithm Based on Weighted Representative Points

作　　者：倪维健[1] 黄亚楼[1] 李飞[2] 刘赏[2] 

机构地区：[1]南开大学软件学院,天津300071 [2]南开大学信息技术科学学院,天津300071

出　　处：《计算机科学》2005年第5期150-154,共5页Computer Science

基　　金：本文得到教育部重点科学技术研究项目(02038);天津自然科学基金(023600611);南开大学亚洲研究中心资助

摘　　要：CURE算法是一种凝聚的层次聚类算法,它首先提出了使用多代表点描述簇的思想。本文通过对已有的基于多代表点的层次聚类算法特点的分析,提出了一种新的基于多代表点的层次聚类算法WRPC。它使用了基于影响因子的簇代表点选取机制和基于k-近邻方法的小簇合并机制,可以发现形状、尺寸更为复杂的簇。实验结果表明,该算法在保证执行效率的情况下取得了更好的聚类效果。As an agglomerative hierarchical clustering algorithm, CURE firstly employs the method of representing clusters by selecting some 'representative points'. Through the analysis of the feature of traditional hierarchical clus- tering algorithm, a novel agglomerative hierarchical clustering algorithm called WRPC is proposed in this paper. WR- PC can identify clusters with complex shapes and avrious size by introducing the influence-weight-based representative points selection mechanism and k-nearest-neighbor-method-based clusters nesting mechanim. Experimental results show that WRPC can provide better clustering result with high executing efficiency.

关 键 词：聚类算法 代表点 加权 K-近邻 影响因子 聚类效果 执行效率 机制 簇 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP391.4[自动化与计算机技术—计算机科学与技术]