Abstract：
k中心点算法(KMD)是解决基于划分的聚类问题的一个常用方法,其主要缺陷是容易陷入局部极小.先提出一个k中心点算法的改进算法,该算法不增加计算的复杂性,对数据集元组聚类结果的改进平均超过6%;与PAM算法相比,该算法可显著减少计算时间而获得相近的聚类结果.然后将它作为局部搜索过程嵌入到迭代局部搜索结构中,所构造的基于k中心点的迭代局部搜索聚类算法(IKMD),能进一步将元组的聚类结果平均改进了10%以上.实验结果表明IKMD算法与PAM算法相比,不但能够显著减少计算时间,而且改进了聚类结果.
Keyword：
Reprint 's Address：
Source ：
Year： 2004
Language： Chinese
Affiliated Colleges：
