基于数据场改进的PAM聚类算法*) (2005年)

PAM是基于k-中心值聚类的一种算法，在处理数据集的聚类问题时，具有良好的准确性和伸缩性。但PAM算法在随机选取初始中心点时存在不足，而且在处理存在孤立点或噪声的数据时算法不是很健壮。本文针对这两点不足，使用了数据场的概念对PAM聚类算法进行了有益的改进，提高了算法的准确性和处理孤立点或噪声的能力，使其更适合于对数据集的处理，提高了挖掘结果的质量。