聚类算法中相似性度量方法的研究

针对传统的欧氏距离计算相异度的不足,在研究已有的相似性度量方法的基础上提出一种新的相似性计算方法，对此进行分析，说明了该度量方法有更好的可解释性；把它用于k-means 聚类算法中跟欧氏距离进行比较，在UCI 基准数据集上的实验表明,该方法有更稳定的聚类结果，且提高了聚类准确率，是一种有效的聚类度量方法。