K-means算法的初始聚类中心的优化

• 作者: 刘建平 赖玉霞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 聚类 K-means算法 密度 聚类中心 高密度区域
• 年，卷（期）: 2008,（10）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 147-149
• 页数: 3页
• 分类号: TP274
• 字数: 2740字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.10.043

摘要

传统的K-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-means算法存在的问题,提出了基于密度的改进的K-means算法,该算法采取聚类对象分布密度方法来确定初始聚类中心,选择相互距离最远的K个处于高密度区域的点作为初始聚类中心,理论分析与实验结果表明,改进的算法能取得更好的聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘建平	浙江理工大学信息电子学院	35	460	7.0	21.0
2	赖玉霞	浙江理工大学信息电子学院	6	307	4.0	6.0