一种优化初始中心的K-means聚类算法

• 作者: 孙欣 覃华 邓海
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: K-means聚类 聚类中心 高密度点 垂直中心点
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 42-45
• 页数: 4页
• 分类号: TP301.6
• 字数: 3621字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.11.011

摘要

针对传统K-means聚类算法对初始聚类中心的敏感性和随机性，造成容易陷入局部最优解和聚类结果波动性大的问题，结合密度法和最大化最小距离的思想，提出基于最近高密度点间的垂直中心点优化初始聚类中心的K-means聚类算法。该算法选取相互间距离最大的K对高密度点，并以这K对高密度点的均值作为聚类的初始中心，再进行K-means聚类。实验结果表明，该算法有效排除样本中含有的孤立点，并且聚类过程收敛速度快，聚类结果有更好的准确性和稳定性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃华	广西大学计算机与电子信息学院	52	334	11.0	15.0
2	邓海	广西大学计算机与电子信息学院	4	65	3.0	4.0
3	孙欣	广西大学计算机与电子信息学院	3	38	2.0	3.0