论文部分内容阅读
在相似数据聚类过程中，由于数据相似性过高，造成特征冗余干扰，使数据中心很难确定。该文提出了一种基于倾斜概率的有效聚类数学模型，在计算聚类中心的过程中引入倾斜概率计算数据均值。在数据特征存在较大一致性冗余干扰时，计算分配到同一类簇的概率并建立约束，把这种概率约束运用到数据的类间相似性特征聚类中，可以有效地确定相似特征的初始聚类中心。实验证明该文模型能合理地选择出初始聚类中心，改进分类数学模型的分类效果，与 k均值聚类模型相比，聚类结果更加紧致，鲁棒性更强。