论文部分内容阅读
针对聚类中不规则数据点分布的处理难题,提出了一种基于类紧密度的新聚类算法,在该算法中,首先通过随机选择一个较大的初始类数目并利用Voronoi图来进行聚类中心的选择,同时计算出聚类后的判决函数值;然后在每轮聚类过程中,将类数目指数递减,若当前轮得到的判决函数值小于上一轮的判决函数值,则在上一轮的类数目基础上进行线性递减,直到当再次得到当前轮的判决函数值小于上一轮的判决函数值时,将最终类数目与聚类结果设定为上一轮的类数目与聚类结果。实验结果表明,新算法具有良好的聚类效果。