一种基于特征加权的K-Means算法研究  

A K-Means Algorithm Based on Feature Weighting

作　　者：徐艳 付学良[1] 李宏慧[1] 董改芳[1] 王晴 

机构地区：[1]内蒙古农业大学计算机与信息工程学院,内蒙古呼和浩特

出　　处：《计算机科学与应用》2018年第8期1164-1171,共8页Computer Science and Application

基　　金：国家自然科学基金(61363016,61063004);内蒙古自然科学基金(NO.2015MS0605,NO.2015MS0626,NO.2015MS0627,NO.2017MS0605);内蒙古教育厅高校研究项目(NJZC059);内蒙古自治区高等学校科学研究重点项目(NJZZ14100);教育部留学人员基金([2014]1685);内蒙古自治区科技计划项目:穿透降水量GSM网络在线监测与数据传输系统的资助。

摘　　要：聚类分析是将研究对象分为相对同质的群组的统计分析技术,聚类分析的核心就是发现有用的对象簇。K-means聚类算法由于具有出色的速度和良好的可扩展性,一直备受广大学者的关注。然而,传统的K-means算法,未考虑各个属性对于最终聚类结果的影响差异性,这使得聚类的精度有一定的影响。针对上述问题,本文提出一种改进的特征加权算法。改进算法通过采用信息熵和ReliefF特征选择算法对特征进行加权选择,修正聚类对象间的距离函数,使算法达到更准确更高效的聚类效果。仿真实验结果表明,与传统的K-means算法相比,改进后的算法聚类结果稳定,聚类的精度有明显提升。

关 键 词：K-MEANS聚类 信息熵 RELIEFF算法 特征加权 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]