自适应的k-means聚类算法SA-K-means

被引:4
作者
周慧芳 [1 ,2 ]
机构
[1] 江南大学信息学院
[2] 盐城师范学院图书馆
关键词
聚类; k-means; 聚类中心;
D O I
10.16660/j.cnki.1674-098x.2009.34.118
中图分类号
TP301.6 [算法理论];
学科分类号
摘要
传统的k-means聚类算法对初始聚类中心非常敏感,聚类的结果也常常随着初始聚类中心而波动。为了降低聚类算法的这种敏感性,本文提出了一种自适应的聚类算法(SA-K-means),该方法通过计算数据对象区域的密度,选择相互距离最远的高密度区域的中心作为初始聚类中心。实验表明SA-K-means聚类算法能有效地消除聚类算法对初始聚类中心的敏感性,得到满意的聚类结果。
引用
收藏
页码:4 / 5+8 +8
页数:3
相关论文
共 4 条
  • [1] 一种基于K-Means局部最优性的高效聚类算法
    雷小锋
    谢昆青
    林帆
    夏征义
    [J]. 软件学报, 2008, (07) : 1683 - 1692
  • [2] K-MEANS算法中的K值优化问题研究
    杨善林
    李永森
    胡笑旋
    潘若愚
    [J]. 系统工程理论与实践, 2006, (02) : 97 - 101
  • [3] 数据挖掘原理与算法[M]. 中国水利水电出版社 , 邵峰晶,于忠清编著, 2003
  • [4] Extensions to the k-means algorithm for clustering large data sets with categorical values
    Huang, ZX
    [J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (03) : 283 - 304