基于改进KMOR的聚类算法
Computer Engineering and Design（2019）
摘要
为避免KMOR (k-means with outlier removal)算法因样本中类内离散度不同而产生离群点误判的问题,提出为每类样本分别选取离群点判别标准的改进算法.在算法初始化时,利用样本的密集性排除离群点干扰;在迭代过程中,根据每类样本的类内离散度分别选取判别标准,与样本到其所属聚类中心的距离比较判别离群点.两者结合提高聚类结果正确率,避免因样本中类内离散度不同产生的误判.实验结果表明,改进算法相比原算法在正确率和离群点检测上有所提高.
更多关键词
improved kmor,clustering,algorithm
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要