基于初始聚类中心选取和数据点划分的K均值聚类算法

• 作者: 曹戈 程玉虎
• 来源期刊: 新型工业化
• 关键词: K均值聚类 初始聚类中心 数据点划分 距离 边缘数据
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 科研通讯
• 页码范围: 90-94
• 页数: 5页
• 字数: 2560字
• 语种: 中文

摘要

传统K均值聚类算法随机选取初始中心容易陷入局部极小，而且不能有效处理不规则数据集的边缘数据。针对这两个问题，提出一种改进K均值聚类算法。初始聚类中心的选取使用基于距离的方法，减少了迭代次数；数据点不再根据距离聚类中心的大小划分，而是根据其周围点的分布划分。通过仿真，证实了本文算法的可行性与有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程玉虎	中国矿业大学信息与电气工程学院	58	576	13.0	20.0
2	曹戈	中国矿业大学信息与电气工程学院	2	17	1.0	2.0