一种优化初始聚类中心的K-means聚类算法

被引：14

作者：

周爱武

崔丹丹

潘勇

机构：

[1] 安徽大学计算机科学与技术学院

来源：

关键词：

欧氏距离; K-means; 优化初始中心;

D O I：

10.19358/j.issn.1674-7720.2011.13.001

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进,利用提出的新算法选出初始聚类中心,并进行聚类。这种算法比随机选择初始聚类中心的算法性能有所提高,具有更高的准确性。

引用

页码：1 / 3+9 +9

页数：4

共 5 条

[1]

基于划分的聚类算法研究与应用.[D].包颖.大连理工大学.2008, 05

[2] 一种改进的k-means算法 [J].

李业丽 ;

秦臻 .

[3] 初始聚类中心优化的k-means算法 [J].

袁方 ;

周志勇 ;

宋鑫 .

[4] 一种基于加权欧氏距离聚类方法的研究 [J].

孟海东 ;

张玉英 ;

宋飞燕 .

[5] 一种改进的K-means算法 [J].

张玉芳 ;

毛嘉莉 ;

熊忠阳 .