基于k中心点的迭代局部搜索聚类算法.pdfVIP

第41卷增刊 计算机研究与发展 v01．41．S“ppl 2004年10月 OF Oct．2004 JOURNALCOMPUTERRESEARCHANDDEVELOPN皿NT 基于k中心点的迭代局部搜索聚类算法 吴景岚1 朱文兴2 1(闽江学院计算机科学系福州350108) 2(福州大学计算机科学系福州350002) (jlwu@pub6．fz．6．cn) 摘要^中心点算法(KMD)是解央基于划分的聚类问题的一个常用方法，其主要缺陷是容易陷人局部极小．先提出 一个七中心点算法的改进算法，该算法不增加计算的复杂性，对数据集元组聚类结果的改进平均超过6％i与PAM算法 相比，该算法可显著减少计算时问而获得相近的聚类结果．然后将它作为局部搜索过程嵌入到迭代局部搜索结构中，所 构造的基于自中心点的迭代局部搜索聚类算法(IKrvⅡ))，能进一步将元组的聚类结果平均改进了10％以上．实验结果表 明IKMD算法与PAM算法相比，不但能够显著减少计算时间，而且改进了聚类结果． 关键词聚类；k中心点算法；迭代局部搜索算法 中圈{去分类号TP311．13 for AnIteratedLocalSearch k-Medoid Algorithm Clustering wu andZHU Jing．Lanl wen_)(in孑 350108) 1(Dell2rtrnentofComputer$cwnce，MinjiangUniversity，Fuzhou 350002) 2(Del№rtmentofComputerScience，FuzhouUniversity，Fuzhou one coinnlonlocal in AbstractThek-medoid ofthe searchmethodsused clusterirtgalgorithm(KMD)is main ofKMDisthatit inlocal are drawback often trapped that clusteringproblems．The gets optima of wolfethanthe this versionKMDis optimum．Inpaper，an significantly global improved pmIx)sed， wlxiehm resultmorethan6％overKMDOn withoutmole the time improveclustering avemage withthePAM canobtainthesimilar resultsbutreducethe complexity．Comparedalgorithm．it