改进的K-means聚类算法及应用

• 作者: 唐波
• 来源期刊: 软件
• 学科: 工学
• 关键词: K-means 动态规划 熵值法 聚类精确度 矿井监测传感器
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 算法与计算复杂性
• 页码范围: 100-104
• 分类号: TP301
• 字数: 3636字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2012.03.031

摘要

传统的K-means算法需要事先确定初始聚类中心,聚类精确程度不高.针对以上问题,本文结合熵值法和动态规划算法来对传统的K-means算法进行改进,提出了基于熵值法及动态规划的改进K-means算法.熵值法用来修订算法的距离计算公式,以提高算法的聚类精确程度,动态规划算法用来确定算法的初始聚类中心.将改进算法应用于矿井监测传感器聚类中,结果显示较传统的K-means算法,改进算法效率有了明显提高,聚类精确程度有较大增强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐波	中国矿业大学计算机科学与技术学院	3	14	2.0	3.0