一种优化初始中心点的K-means算法

• 作者: 刘贵全 汪中 陈恩红
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: K-means算法 密度 初始中心点 均衡化函数
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 299-304
• 页数: 6页
• 分类号: TP311
• 字数: 5570字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.02.020

摘要

针对K-means算法所存在的问题,提出一种优化初始中心点的算法.采用密度敏感的相似性度量来计算对象的密度,启发式地生成样本初始中心.然后设计一种评价函数——均衡化函数,并以均衡化函数为准则自动生成聚类数目.与传统算法相比,本文算法可得到较高质量的初始中心和较稳定的聚类结果.实验结果表明该算法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈恩红	中国科学技术大学计算机科学与技术系	87	1942	22.0	42.0
3	刘贵全	中国科学技术大学计算机科学与技术系	51	728	11.0	26.0
5	汪中	中国科学技术大学计算机科学与技术系	6	248	3.0	6.0