粒计算优化初始聚类中心的K-medoids聚类算法

来源：计算机科学与探索杂志2015年第5期北京时间：

作者：谢娟英，鲁肖肖，屈亚楠，高红超

单位：陕西师范大学 计算机科学学院，西安 710062

摘要：针对快速K-medoids聚类算法所选初始聚类中心可能位于同一类簇的缺陷，以及基于粒计算的K-medoids算法构造样本去模糊相似矩阵时需要主观给定阈值的缺陷，提出了粒计算优化初始聚类中心的K-medoids聚类算法。该算法结合粒计算与最大最小距离法，优化K-medoids算法初始聚类中心的选取，选择处于样本分布密集区域且相距较远的K个样本作为初始聚类中心；使用所有样本的相似度均值作为其构造去模糊相似矩阵的阈值。人工模拟数据集和UCI机器学习数据库数据集的实验测试表明，新K-medoids聚类算法具有更稳定的聚类效果，其准确率和Adjusted Rand Index等聚类结果评价指标值优于传统K-medoids聚类算法、快速K-medoids聚类算法和基于粒计算的K-medoids聚类算法。

关键词：粒计算,初始聚类中心,最大最小距离法,K-medoids聚类算法