K-Means算法的研究与改进

被引：18

作者：

周爱武

陈宝楼

王琰

机构：

[1] 安徽大学计算机科学与技术学院

来源：

计算机技术与发展 | 2012年 / 22卷 / 10期

关键词：

K-Means算法; 孤立点; 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-Means算法是一种基于划分方法的经典聚类算法,已经在很多领域得到广泛的应用。虽然该算法有很多优点,但其也存在自身的局限性,比如需要用户输入聚类簇个数,初始聚类中心是随机性选择的,算法容易陷入局部最优解,对孤立点比较敏感等。文中首先应用统计学中的标准分数对样本进行孤立点分析,然后提出一种新的初始聚类中心确定策略。对改进的算法和原算法分别做实验进行比较,实验结果表明,改进的算法在准确率、收敛速度和稳定性方面都有很大的提高。

引用

页码：101 / 104

页数：4

共 7 条

[1]

Top 10 algorithms in data mining.[J].Xindong Wu;Vipin Kumar;J. Ross Quinlan;Joydeep Ghosh;Qiang Yang;Hiroshi Motoda;Geoffrey J. McLachlan;Angus Ng;Bing Liu;Philip S. Yu;Zhi-Hua Zhou;Michael Steinbach;David J. Hand;Dan Steinberg.Knowledge and Information Systems.2009, 1

[2]

统计学.[M].贾俊平; 编著.中国人民大学出版社.2006,

[3] 一种进行K-Means聚类的有效方法 [J].