对K-means聚类算法欧氏距离加权系数的研究

K-means聚类算法广泛应用于模式识别、图像处理和数据挖掘等领域中,有着简洁高效等优点。然而,传统的K-means聚类算法在以欧氏距离为度量函数时简单地把数据的各个属性平等对待,忽略了不同属性的重要性不同。本文结合统计学中描述数据离散程度的四种指标提出四种计算加权系数的方法,并通过实验比较这四种加权系数对聚类结果准确度的影响,以此来说明对欧氏距离加权的必要性和计算加权系数的简单可行的方法。