一种改进的K-means聚类算法

• 作者: 吴锦林 唐琦 连凤娜
• 来源期刊: 电脑与信息技术
• 学科: 工学
• 关键词: K-meads算法 聚类 孤立点
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 38-40
• 页数: 3页
• 分类号: TP311.13
• 字数: 2937字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-1228.2008.01.014

摘要

K-means算法是最常用的聚类算法之一,有很多的优点,但也存在着不足.它不仅对样本的输入顺序敏感,可能产生局部最优解,而且受孤立点的影响很大.文章正是针对这些不足,提出了一种改进的K-means算法,主要从数据预处理、初始聚类中心的选择方面进行了改进,并做了改进前后算法的对比实验.结果表明,改进后的算法不但更具稳定性,准确度也高,受孤立点的影响也大大降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴锦林	厦门大学信息科学与技术学院	9	141	5.0	9.0
2	唐琦	厦门大学信息科学与技术学院	4	57	2.0	4.0
3	连凤娜	厦门大学信息科学与技术学院	1	50	1.0	1.0