基于最小方差的自适应K-均值初始化方法

被引：7

作者：

肖洋

李平

王鹏

邱宁佳

机构：

[1] 长春理工大学计算机科学技术学院

来源：

长春理工大学学报(自然科学版) | 2015年 / 38卷 / 05期

关键词：

聚类; K-均值; 方差; 初始聚类中心;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

K-均值算法对初始聚类中心敏感,聚类结果随不同初始聚类中心波动。针对以上问题,提出一种基于最小方差的自适应K-均值初始化方法,使初始聚类中心分布在K个不同样本密集区域,聚类结果收敛到全局最优。首先,根据样本空间分布信息,计算样本方差得到样本紧密度信息,并基于样本紧密度选出满足条件的候选初始聚类中心;然后,对候选初始聚类中心进行处理,筛选出K个初始聚类中心。实验证明,算法具有较高的聚类性能,对噪声和孤立点具有较好的鲁棒性,且适合对大规模数据集聚类。

引用

页码：140 / 144+149 +149

页数：6

共 9 条

[1] 一种非对称距离下的层次聚类算法 [J].

韩忠明 ;

陈妮 ;

张慧 ;

杨伟杰 .

模式识别与人工智能, 2014, 27 (05) :410-416

[2] K-means聚类算法优化方法的研究 [J].

于海涛 ;

李梓 ;

姚念民 .

小型微型计算机系统, 2012, 33 (10) :2273-2277

[3] 面向聚类的数据隐藏发布研究 [J].

倪巍伟 ;

陈耿 ;

崇志宏 ;

吴英杰 .

计算机研究与发展, 2012, 49 (05) :1095-1104

[4] 一种改进的k-means初始聚类中心选取算法 [J].

韩凌波 ;

王强 ;

蒋正锋 ;

郝志强 .

计算机工程与应用, 2010, 46 (17) :150-152

[5] K-means聚类算法的研究 [J].

韩晓红 ;

胡彧 .

太原理工大学学报, 2009, (03) :236-239

[6] 一种优化初始中心点的K-means算法 [J].

汪中 ;

刘贵全 ;

陈恩红 .

模式识别与人工智能, 2009, 22 (02) :299-304

[7] K-means算法的初始聚类中心的优化 [J].

赖玉霞 ;

刘建平 .

计算机工程与应用, 2008, (10) :147-149

[8] 优化K-means初始聚类中心研究 [J].

毛韶阳 ;

李肯立 .

计算机工程与应用, 2007, (22) :179-181+219

[9]

Careful Seeding Method based on Independent Components Analysis for k-means Clustering[J] . Takashi Onoda,Miho Sakai,Seiji Yamada.Journal of Emerging Technologies in Web Intelligence . 2012 (1)

← 1 →