K-means聚类算法的研究

• 作者: 胡彧 韩晓红
• 来源期刊: 太原理工大学学报
• 关键词: 数据挖掘 K-means算法 初始聚类中心 聚类分析
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 236-239
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文

摘要

为解决原始K-means算法随机选取初始聚类中心对聚类结果的影响较大的不足,提出了改进算法.采取基于采样选取聚类中心距离的规则,进行多次选择决定最终的初始聚类中心,使得改进后的算法受初始聚类中心选择的影响达到最小;同时,在选取初始聚类中心后,对初值进行数据标准化处理.将改进的K-means算法应用于销售行业,结果显示,改进后的算法比原始的算法在效率上得到了提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡彧	太原理工大学计算机与软件学院	70	492	11.0	19.0
2	韩晓红	太原理工大学计算机与软件学院	11	124	4.0	11.0