优化K-means初始聚类中心研究

• 作者: 李肯立 毛韶阳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 聚类算法 K-means 多中心聚类算法(MCA) 小类合并
• 年，卷（期）: 2007,（22）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 179-181,219
• 页数: 4页
• 分类号: TP301
• 字数: 3478字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.22.054

摘要

K-means算法因为对初始中心依赖性而导致聚类结果可能陷入局部极小.基于密度的多中心聚类并结合小类合并运算的聚类算法解决了计算空间上的极小化,收敛进度上得到了控制,结果明显优于K-means的聚类结果.算法的每一次迭代都是倾向于发现超球面簇,尤其对于延伸状的不规则簇具有良好的聚类能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李肯立	湖南大学计算机与通信学院	130	931	16.0	22.0
2	毛韶阳	湖南人文科技学院数学系	12	134	5.0	11.0