一种改进的k-中心点聚类算法及在雷暴聚类中的应用  

Improved k-Medoids Algorithm Based on Density Information for Thunderstorm Clustering

作　　者：朱晔[1] 冯万兴[2] 郭钧天[2] 李雪皎[3] 刘娟[3] 

机构地区：[1]国电南瑞科技股份有限公司江苏,南京211106 [2]国网电力科学研究院武汉南瑞有限责任公司,湖北武汉430074 [3]武汉大学计算机学院,湖北武汉430072

出　　处：《武汉大学学报（理学版）》2015年第5期497-502,共6页Journal of Wuhan University:Natural Science Edition

基　　金：国家高技术研究发展计划(863计划)资助项目(2011AA040405)

摘　　要：传统k-中心点聚类算法初始中心点的选取直接影响算法效率和稳定性,易使算法陷入局部最优解,从而影响在带时序群体分析的聚类应用效果.本文提出了一种基于密度信息的k-中心点算法,通过获取样本密度信息来选取初始中心点,有效解决了聚类结果对初始中心点选择的依赖性问题,并应用于雷暴聚类中.雷暴聚类评估实验结果表明了改进算法的有效性.The original k-medoids algorithm is sensitive to the selection of initial centroids,thus the algorithm tends to fall into the local optima,which reduce the performance on time-series group analysis. This paper proposes an improved kmedoids algorithm based on density information of data in order to solve the problem that the performance of original clustering algorithm is too dependent on the initial selection of centers. The improved algorithm is applied to thunderstorm clustering,and the result of thunderstorm clustering experiments shows its validity.

关 键 词：K-中心点 聚类 时序群体分析 雷暴 密度 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]