K-Means算法的研究与改进

• 作者: 周爱武 王琰 陈宝楼
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: K-Means算法 孤立点 初始聚类中心
• 年，卷（期）: 2012,（10）
• 页码范围: 101-104
• 分类号: TP301.6
• 字数: 4050字
• 语种: 中文

摘要

K-Means算法是一种基于划分方法的经典聚类算法,已经在很多领域得到广泛的应用.虽然该算法有很多优点,但其也存在自身的局限性,比如需要用户输入聚类簇个数,初始聚类中心是随机性选择的,算法容易陷入局部最优解,对孤立点比较敏感等.文中首先应用统计学中的标准分数对样本进行孤立点分析,然后提出一种新的初始聚类中心确定策略.对改进的算法和原算法分别做实验进行比较,实验结果表明,改进的算法在准确率、收敛速度和稳定性方面都有很大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周爱武	安徽大学计算机科学与技术学院	34	615	11.0	24.0
2	陈宝楼	安徽大学计算机科学与技术学院	2	38	2.0	2.0
3	王琰	安徽大学计算机科学与技术学院	10	59	4.0	7.0