Minkowski metric, feature weighting and anomalous cluster initializing in K-Means clustering

Pattern Recognition. 2012. Vol. 45. No. 3. P. 1061–1075.

Миркин Б. Г., Amorim R.

В статье делается еще один шаг для исправления основного недостатка метода к-средних: он не может отделить информативные признаки от шума. Мы расространяем метод взвешенных к-средних Хуанга и др. на пространство Минковского. При этом веса признаков получают разумный интуитивный смысл коэффициентов поправки масштабов измерения признаков.  К этому мы добавляем метод аномальных кластеров для определения инициализации метода.Новый метод экспериментально верифицирован на данных машинного обучения (Ирвайн) и сгенерированных данных о Гауссовских кластерах, как в присутствии случайных признаков, так и в их отсутствие. Метод оказался не хуже, а в большинстве случаев - лучше методов, вычисляющих веса признаков в методе к -средних.

Ключевые слова: k-means, Minkowski metric, feature weights, noise features, anomalous cluster