K-means聚类算法研究综述

被引：261

作者：

王千 ^{[1
]}

王成 ^{[2
]}

冯振元 ^{[1
]}

叶金凤 ^{[3
]}

机构：

[1] 部队

[2] 西安交通大学航天航空学院

[3] 中国建设银行苏州常熟支行

来源：

电子设计工程 | 2012年 / 07期

关键词：

K-means聚类算法; NP难优化问题; 数据子集的数目K; 初始聚类中心选取; 相似性度量和距离矩阵;

D O I：

10.14022/j.cnki.dzsjgc.2012.07.034

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法,指出了K-means聚类的进一步研究方向。

引用

页码：21 / 24

页数：4

共 3 条

[1] NP-hardness of Euclidean sum-of-squares clustering [J].

Aloise, Daniel ;

Deshpande, Amit ;

Hansen, Pierre ;

Popat, Preyas .

MACHINE LEARNING, 2009, 75 (02) :245-248

[2]

Analysis of Global k-Means, an Incremental Heuristic for Minimum Sum-of-Squares Clustering[J] . Pierre Hansen,Eric Ngai,Bernard K. Cheung,Nenad Mladenovic.Journal of Classification . 2005 (2)

[3] An empirical comparison of four initialization methods for the K-Means algorithm [J].

Peña, JM ;

Lozano, JA ;

Larrañaga, P .

PATTERN RECOGNITION LETTERS, 1999, 20 (10) :1027-1040

← 1 →