不同距离度量对kmedian算法的影响.pdf

摘要：在大数据分析中，聚类算法作为一种十分有效的手段，在大数据的聚类中有着广泛的实际

应用。Kmedian算法作为常用的聚类算法，距离度量的选取对其运行结果有着极其重大的影响。本文

着重于选择不同的距离度量对k-median算法进行改进，分别使用了欧几里得距离，切比雪夫距离，

曼哈顿距离，夹角余弦距离，闵可夫斯基距离，标准欧氏距离，Pearson距离，Spearman距离。收集

了十三组数据，对这些数据进行MATLAB环境下的运行。最后根据评价指标NMI，Accuracy，ARI进行

比较，根据的到的外部评价指标判断K-median算法使用哪一种距离度量得到的