典型文献
基于外点检测的加权k-means算法
文献摘要：
为解决k-means聚类算法中异常样本点破坏数据分布,致使簇中心发生较大偏差的问题,通过计算样本点与潜在簇中心的距离赋予样本点不同的权重,降低外点对数据分布的影响,并通过对权重向量施加e0-norm范数在聚类模型中自适应移除外点.采用交替最小化优化算法求解模型,在人工合成数据集和真实数据集上的实验表明,所提模型能有效降低外点对聚类的影响,可得到更有效的聚类效果.
文献关键词：
聚类;k-means;外点检测;e0-norm
中图分类号：
作者姓名：
胡豪杰;陈辉;穆婷婷;姚敏立;何芳;张峰干
作者机构：
火箭军工程大学,陕西 西安710025;中国航天科技集团有限公司第四研究院,陕西 西安710025;北京新时代环球进出口有限公司,北京100027
文献出处：
引用格式：
[1]胡豪杰;陈辉;穆婷婷;姚敏立;何芳;张峰干-.基于外点检测的加权k-means算法)[J].南京师范大学学报（工程技术版）,2022(01):75-80
A类：
外点检测
B类：
means,聚类算法,样本点,点破,坏数据,数据分布,簇中心,大偏差,权重向量,e0,norm,范数,聚类模型,移除,除外,交替最小化,解模,人工合成,合成数据集,真实数据
AB值：
0.441174
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
