基于改进的近邻传播聚类算法的Gap统计研究
来源：计算机技术与发展杂志2017年第01期北京时间：
作者：唐丹;张正军;王俐莉
摘要：由于K-means算法初始聚类中心的选取具有随机性,聚类结果可能不稳定,导致Gap统计估计的聚类数也可能不稳定。针对这些不足,提出一种改进的近邻传播算法-mAP。该算法考察数据的全局分布特性,不同的点赋予不同的P值。在Gap统计中用mAP算法代替K-means算法,提出基于mAP的Gap统计mAPGap。 mAP能在较短的时间内得到较好的聚类效果,而且不需要预先设定初始聚类中心,聚类结果更稳定。实验结果表明,mAPGap在估计聚类数的稳定性和聚类精度上都优于原Gap。
关键词：聚类分析;近邻传播聚类;偏向参数;K-means算法;Gap统计
