K-means算法初始聚类中心选择的优化

被引：24

作者：

郁启麟

机构：

[1] 中国矿业大学计算机科学与技术学院

来源：

计算机系统应用 | 2017年 / 26卷 / 05期

关键词：

数据挖掘; 度中心性; K-means算法; 聚类;

D O I：

10.15888/j.cnki.csa.005733

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

迄今为止,在数据挖掘领域,人们已经实现了多种聚类算法,其中使用最广泛的当属K-means聚类算法.然而,在数据挖掘中,K-means算法面临的一个主要问题就是初始中心点选择问题.本文提出了一种结合关系矩阵和度中心性(Degree Centrality)的分析方法,从而确定K-means算法初始的k个中心点.与传统方法相比,本文算法可得到更加优质的聚类结果.实验结果表明该算法的有效性和可行性.

引用

页码：170 / 174

页数：5

共 9 条

[1]

基于hadoop平台下的k均值高效算法的研究.[D].赵庆.西安电子科技大学.2014, 11

[2] 基于全局中心的高密度不唯一的K-means算法研究 [J].