基于单元格空间的K-Means初始聚类中心选择算法

• 作者: 崔晓峰 陈东宁
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: K-Means算法 单元格空间 免疫克隆算法 孤立点
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 算法分析
• 页码范围: 118-119
• 分类号: TP18
• 字数: 2369字
• 语种: 中文

摘要

K-Means是一种经典的聚类算法,K-Means由于其简单高效得到了广泛应用。但该算法需要事先随机选取初始聚类中心,受孤立点的影响很大,很容易生成局部最优解,聚类效果不稳定。本文针对K-Means聚类算法对初始聚类中心敏感问题加以改进,提出一种基于单元格空间的K-Means初始聚类中心选择算法,通过统计在每个单元格空间中的数据量来排除孤立点的影响,并不断合并单元格空间的质心得到最终的初始聚类中心。实验表明,改进算法受孤立点的影响明显降低,聚类精度有很大提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈东宁		1	2	1.0	1.0
2	崔晓峰		1	2	1.0	1.0