论文部分内容阅读
传统的K-means算法按照最小距离原则,将数据样本划分到距离最近的聚类中心所在的簇中。如果距离的最小值与次小值近似,显然这样直接划分不合理。针对此问题,本文引入密度极小值理论。将这些特殊的数据样本划分到最小密度距离所对应的簇中,使邻近数据更紧凑。实验结果表明,本文算法有效的提高聚类准确度、精确度,得到良好的聚类效果。