基于距离和密度的d-K-means算法

来源：计算机应用研究杂志2020年第6期北京时间：

作者：唐泽坤,朱泽宇,杨裔,李彩虹,李廉,

单位：兰州大学信息科学与工程学院,兰州730000；

摘要：针对K-means算法对初始聚类中心和噪声敏感的缺点，提出了d-K-means算法（distance & density），在K-means算法的基础上权衡了密度和距离对聚类的影响，对数据进行加权处理，在权值基础上引入最小最大原则选择初始聚类中心，自动确定类中心个数。实验结果表明，d-K-means算法在低维与高维数据上都可以取得较好的聚类效果，并且可以更好地应对低密度区域数据，更好地进行类中心选择。

关键词：聚类,K-means算法,最小最大原则,类中心个数,

基金资助：国家重点研发计划资助项目(2018YFB1003205)；国家自然科学基金资助项目(61300230,61370219)；甘肃省自然科学基金资助项目(1107RJZA188)；甘肃省科技支撑计划资助项目(1104GKCA037)；甘肃省科技重大专项项目(1102FKDA010)；；