基于代表点的快速聚类算法  

Fast clustering algorithm based on representative points

作　　者：贾瑞玉[1] 耿锦威[1] 宁再早[1] 何成刚[1] 

机构地区：[1]安徽大学计算机科学与技术学院,合肥230039

出　　处：《计算机工程与应用》2010年第33期121-123,126,共4页Computer Engineering and Applications

基　　金：安徽省自然科学研究项目基金No.KJ2008B092~~

摘　　要：针对传统的层次聚类算法每次迭代只将距离最小的那对类簇合并,容易受离群点影响,偏向于发现凸状或球状簇等缺点,受CURE算法启发,采用簇中固定数量代表点来代表簇对象进行距离的计算,并结合90_10规则,提出了一种改进的层次聚类算法REPBFC(REpresentative Points Based Fast Clustering),实验表明该算法是有效的。To the drawback of traditional hierarchical clustering algorithm that only merges one pair of the most similar clusters each iteration, easily influenced by outliers and favoring clusters with spherical shapes, inspired by CURE algorithm and the 90 10 rule,an improved clustering algorithm named REPBFC（REpresentative Points Based Fast Clustering） is proposed. The experiments show that the improved algorithm is efficient.

关 键 词：90_10规则 多阶段聚类 聚类算法 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]