一种改进的k-means初始聚类中心选取算法

被引：93

作者：

韩凌波 ^{[1
]}

王强 ^{[2
]}

蒋正锋 ^{[2
]}

郝志强 ^{[2
]}

机构：

[1] 中共湛江市委党校理论信息室

[2] 广西师范大学计算机科学与信息工程学院

来源：

计算机工程与应用 | 2010年 / 46卷 / 17期

关键词：

k-means算法; 聚类中心; 密度参数;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

在传统的k-means聚类算法中,聚类结果会随着初始聚类中心点的不同而波动,针对这个缺点,提出一种优化初始聚类中心的算法。该算法通过计算每个数据对象的密度参数,然后选取k个处于高密度分布的点作为初始聚类中心。实验表明,在聚类类别数给定的情况下,通过用标准的UCI数据库进行实验比较,发现采用改进后方法选取的初始类中心的k-means算法比随机选取初始聚类中心算法有相对较高的准确率和稳定性。

引用

页码：150 / 152

页数：3