基于最优划分的K-Means初如聚类中心选取算法

• 作者: 张健沛 张泽宝 杨悦 杨静
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: K-Means算法 初始聚类中心 直方图 最优划分方法
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 2586-2590
• 分类号: TP311
• 语种: 中文

摘要

针对传统K-Means算法聚类过程中,聚类数目k值难以准确预设和随机选取初始聚类中心造成聚类精度及效率降低等问题,提出一种基于最优划分的K-Means初始聚类中心选取算法,该算法利用直方图方法将数据样本空间进行最优划分,依据数据样本自身分布特点确定K-Means算法的初始聚类中心,无需预设k值,减少了算法结果对参数的依赖,提高算法运算效率及准确率.实验结果表明,利用该算法改进的K-Means算法,运算时间明显减少,其聚类结果准确率以及算法效率均得到显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	张泽宝	哈尔滨工程大学计算机科学与技术学院	6	150	4.0	6.0
4	杨悦	哈尔滨工程大学计算机科学与技术学院	13	178	6.0	13.0