论文部分内容阅读
k-means算法是常用的聚类算法之一,它是一种基于划分的聚类算法,但是k-means算法有对噪音数据鲁棒性不佳的不足,且它对于噪音和孤立点数据是敏感的。本文主要针对这个不足,将密度思想与k-means算法结合,提出了一种对k—means算法的改进算法,并通过实验表明了这种算法的可行性和有效性。