附加边界约束的k-means空间点聚类算法研究  

在线阅读下载全文

作  者:蔡跃辉 王倩 朱伟 廖章回 

机构地区:[1]陆军特种作战学院,广西桂林541000

出  处:《科学与信息化》2020年第19期187-188,共2页Technology and Information

摘  要:针对常规K-means算法通常采用理想的欧氏空间距离作为评判点集之间空间相似度的唯一指标,未考虑边界对点集之间的阻碍作用,提出了一种附加边界约束的K-means空间点聚类算法。该算法综合了K-means与线段在多边形内部的判定算法,使得空间点数据在边界存在的前提下,进一步利用点与各聚类中心的最短欧氏距离来表达点集之间的空间邻近性。基于3个数据集的实验结果表明:该算法对于多边形凸处区域的孤立点群与常规K-means算法结果一致,但凹处的点会受到边界的阻碍作用,不会归并为同类,而且聚类后各簇中心必位于边界内部。

关 键 词:K-MEANS 边界 凹多边形 约束 空间点 聚类 

分 类 号:TP3[自动化与计算机技术—计算机科学与技术]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象