一种改进的k-means聚类算法

• 作者: 周勇 夏士雄 张磊 李文超 牛强
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 聚类 k-means算法 轮廓系数
• 年，卷（期）: 2007,（3）
• 页码范围: 435-438
• 页数: 4页
• 分类号: TP18
• 字数: 1327字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2007.03.027

摘要

针对k-means算法事先必须获知聚类数目以及难以确定初始中心的缺点,提出了一种改进的k-means聚类算法.首先引入轮廓系数的概念,通过计算不同K值下簇集中各对象的轮廓系数确定事先未知分类信息的数据集中所包含的最优聚类数Kopt;然后通过凝聚层次聚类的方法获得数据集的分布,确定初始聚类中心;最后利用传统的k-means方法完成聚类.理论分析表明,所提出的算法具有适度的计算复杂度.IRIS测试数据集的实验结果表明了该算法能够合理区分不同类型的簇集,且可以有效地识别离群点,聚合后的结果簇集具有较低的熵值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛强	中国矿业大学计算机科学与技术学院	57	459	11.0	19.0
2	夏士雄	中国矿业大学计算机科学与技术学院	118	1158	18.0	28.0
3	周勇	中国矿业大学计算机科学与技术学院	85	984	16.0	29.0
4	张磊	中国矿业大学计算机科学与技术学院	174	1083	16.0	25.0
5	李文超	中国矿业大学计算机科学与技术学院	2	57	1.0	2.0