一种分类型矩阵数据的初始聚类中心选择算法
来源：计算机工程杂志2020年第5期北京时间：
作者：田璐, 曹付元, 余丽琴
单位：1. 山西大学 计算机与信息技术学院, 太原 030006;2. 计算智能与中文信息处理教育部重点实验室, 太原 030006
摘要：现有面向矩阵数据集的算法多数通过随机选取初始类中心得到聚类结果。为克服不同初始类中心对聚类结果的影响，针对分类型矩阵数据，提出一种新的初始聚类中心选择算法。根据属性值的频率定义矩阵对象的密度和矩阵对象间的距离，扩展最大最小距离算法，从而实现初始类中心的选择。在7个真实数据集上的实验结果表明，与初始类中心选择算法CAOICACD和BAIICACD相比，该算法均具有较优的聚类效果。
关键词：分类型矩阵,矩阵对象,初始聚类中心,密度,数据集
基金资助：国家自然科学基金（61573229）；山西省重点研发计划项目（201803D31022）；山西省留学基金择优项目（2016-001）；山西省留学基金（2016-003）。
