Abstract：
以K-means为代表的聚类算法被广泛地应用在许多领域,但是K-means不能直接处理不完整数据集.km-means是一种处理不完整数据集的聚类算法,通过调整局部距离计算方式,减少不完整数据对聚类过程的影响.然而km-means初始化阶段选取的聚类中心存在较大的不可靠性,容易陷入局部最优解.针对此问题,本文引入可信度,提出了结合可信度的km-means聚类算法,通过可信度调整距离计算,增大初始化过程中选取聚类中心的可靠性,提高聚类算法的准确度.最后,通过UCI和UCR数据集验证算法的有效性.
Keyword：
Reprint 's Address：
Email：
Source ：
计算机系统应用
ISSN： 1003-3254
Year： 2022
Issue： 6
Volume： 31
Page： 175-181
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
