一种有效的K-means聚类中心初始化方法

• 作者: 张玉芳 熊忠阳 陈若田
• 来源期刊: 计算机应用研究
• 关键词: K-均值算法 基于密度 初始聚类中心 最大最小距离 最大距离积
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 软件技术研究
• 页码范围: 4188-4190
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.11.050

摘要

传统K-means算法由于随机选取初始聚类中心,使得聚类结果波动性大;已有的最大最小距离法选取初始聚类中心过于稠密,容易造成聚类冲突现象.针对以上问题,对最大最小距离法进行了改进,提出了最大距离积法.该方法在基于密度概念的基础上,选取到所有已初始化聚类中心距离乘积最大的高密度点作为当前聚类中心.理论分析与对比实验结果表明,此方法相对于传统K-means算法和最大最小距离法有更快的收敛速度、更高的准确率和更强的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊忠阳	重庆大学计算机学院	135	2447	25.0	44.0
2	张玉芳	重庆大学计算机学院	125	2737	26.0	48.0
3	陈若田	重庆大学计算机学院	1	124	1.0	1.0