TY - JOUR ID - 10.13195/j.kzyjc.2017.1548 TI - 基于目标特征选择和去除的改进K-means聚类算法 AU - 杨华晖 AU - 孟晨 AU - 王成 AU - 姚运志 VL - 34 IS - 6 PB - SP - 1219 EP - 1226 PY - JF - 控制与决策 JA - kzyjc UR - http://kzyjc.alljournals.cn/kzyjc/home?file_no=20190612&flag=1 KW - K-均值算法;特征选择;高维数据聚类;特征赋权;数据去噪 KW - K-means algorithm;feature selection;high-dimensional data clustering;feature weighting;data denoising AB - 针对高维数据聚类中K-means算法无法有效抑制噪声特征、实现不规则形状聚类的缺点,提出一种基于目标点特征选择和去除的改进K-均值聚类算法.该算法使用闵可夫斯基规度作为评价距离进行目标点的分类,增设权重调节参数a、重置权重系数α进行特征选择和去除,可有效减小非聚类指标特征带来的噪声影响.算法验证实验选取UCI真实数据集和人工数据集进行聚类分析,验证改进算法对抑制噪声特征的有效性,与WK-means、iMWK-means算法进行实验对比,分析聚类学习时特征选择的适用性,同时寻找最优的距离系数beta和权重系数α. ER -