对k-means初始聚类中心的优化

作     者：仝雪姣 孟凡荣 王志晓 TONG Xue-jiao;MENG Fan-rong;WANG Zhi-xiao

作者机构：中国矿业大学计算机科学与技术学院江苏徐州221116 

基　　金：国家自然科学基金项目(50674086) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2011年第32卷第8期

页      码：2721-2723,2788页

摘      要：针对传统k-means算法对初始聚类中心敏感的问题,提出了基于数据样本分布选取初始聚类中心的改进k-means算法。该算法利用贪心思想构建K个数据集合,集合的大小与数据的实际分布密切相关,集合中的数据彼此间相互靠近。取集合中数据的平均值作为初始聚类中心,由此得到的初始聚类中心非常接近迭代聚类算法期待的聚类中心。理论分析和实验结果表明,改进算法能改善其聚类性能,并能得到稳定的聚类结果,取得较高的分类准确率。

主 题 词：聚类 k-means算法 数据分布 初始聚类中心 改进算法 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2011.08.049

馆 藏 号：203106475...