不确定数据聚类算法研究.pdf

第32卷第2期 计 算技术与 自 动化 V01．32。No．2 2013年6月 and Jun．2013 Automation ComputingTechnology 文章编号：1003—6199(2013)02—0060—04 不确定数据聚类算法研究 张亚昕 (西安铁路职业技术学院电子信息系，陕西西安 710014) 摘 要：UK均值算法需要计算每个对象之间的期望距离(EDS)和聚类中心，EDS计算的成本就成了 UK均值计算的性能瓶颈。为了提高UK均值的计算效率，本文提出一种优化的UK均值算法，通过一个高 效的公式来估计期望距离，大大降低了UK均值的额外时间，并在实验中得以证明。我们还说明这个优化 公式有效地将UK均值算法降低到了传统的基于K均值的聚类算法。 关键词：不确定数据；聚类；期望距离；UK均值算法 中图分类号：TP301．6 文献标识码：A UncertainData ClusteringAlgorithm ZHANG Ya—xin (Xian VocationalandTechnical ofelectronic Railway CollegeDepartment information，Xian710014，China) Abstract：UK—meansneedstocalculatethedesireddistancebetweeneach clustercenters， algorithm object(EDS)and EDScalculatedthecostof became order bottleneckstheUKmeancalculation．Into the performance improvecomputational oftheUKmeantheUKmeanan efficientformulatoestimatethe efficiency distance， optimizationalgorithm，an expected theUKmeanextratimeandinevidenced alsoshowthatthis formula greatlyreducing experiment．We optimizedeffectively reducedtOtheUK—means basedK—means algorithm clusteringalgorithm． UK value words：uncertain distance；the Key data；clustering；expectedaveragealgorithm 概率