论文部分内容阅读
针对核K—means算法初始聚类中心点难以确定等问题，提出了一种基于局部密度的核K—means算法，该方法利用每个样本的局部相对密度来选择具有高密度且低相似性的样本来生成初始类中心点。实验结果表明，该算法能够很好地排除类边缘点和噪声点的影响，并且能够适应数据集中各个实际类别密度分布不平衡的情况，最终可以生成质量较高且波动性较小的聚类。