基于宽度优先搜索的K-medoids聚类算法

来源：计算机应用杂志2015年第5期北京时间：

作者：颜宏文, 周雅梅, 潘楚

单位：1. 长沙理工大学 计算机与通信工程学院, 长沙 410114;2. 湖南大学 信息科学与工程学院, 长沙 410082

摘要：针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略. 首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点, 同时采用簇间距离和簇内距离优化准则函数. 实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率.

关键词：K-medoids聚类算法,粒计算,相似对象二叉树,宽度优先搜索,适应度函数

基金资助：国家自然科学基金资助项目(51277015);湖南省研究生科研创新项目(CX2014B386).