论文部分内容阅读
针对传统的K均值聚类分析，不考虑对象中每个变量在聚类过程中体现作用的不同，而是统一看待，用这样计算的距离来表示两个对象的相似度并不确切。文中提出了一种基于距离度量的聚类算法，算法使用新的距离度量代替了K均值聚类算法的欧式距离，应用新的距离度量之后，数据点的权重不再只为1或0，而是由系数来确定，这就将硬划分转化为软划分。最后经过实验证明了改进的聚类算法比传统的K均值聚类收敛速度有了很大提高。提高了算法的执行效率。