一种改进的粗K均值聚类算法

来源期刊：控制与决策2012年第11期

论文作者：王莉 周献中 沈捷

文章页码：1711 - 3433

关键词：聚类;粗糙集;粗K均值;广义分类正确率;

摘    要：Lingras提出的粗K均值聚类算法易受随机初始聚类中心和离群点的影响,可能出现一致性和无法收敛的聚类结果.对此,提出一种改进的粗K均值算法,选择潜能最大的K个对象作为初始的聚类中心,根据数据对象与聚类中心的相对距离来确定其上下近似归属,使边界区域的划分更合理.定义了广义分类正确率,该指标同时考虑了下近似集和边界区域中的对象,评价算法性能更准确.仿真实验结果表明,该算法分类正确率高,收敛速度快,能够克服离群点的不利影响.