K-Means聚类算法的研究

• 作者: 于亚飞 周爱武
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: K-Means算法 初始聚类中心 孤立点
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 62-65
• 分类号: TP301.6
• 字数: 3425字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2011.02.016

摘要

K-Means算法是一种经典的聚类算法,有很多优点,也存在许多不足.比如初始聚类数K要事先指定,初始聚类中心选择存在随机性,算法容易生成局部最优解,受孤立点的影响很大等.文中主要针对K-Means算法初始聚类中心的选择以及孤立点问题加以改进,首先计算所有数据对象之间的距离,根据距离和的思想排除孤立点的影响,然后提出了一种新的初始聚类中心选择方法,并通过实验比较了改进算法与原算法的优劣.实验表明,改进算法受孤立点的影响明显降低,而且聚类结果更接近实际数据分布.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周爱武	安徽大学计算机科学与技术学院	34	615	11.0	24.0
2	于亚飞	安徽大学计算机科学与技术学院	2	297	2.0	2.0