K-means算法初始聚类中心选择的优化

• 作者: 冯波 占栋辉 郝文宁 陈刚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K-means算法 聚类 初始聚类中心 TDKM算法
• 年，卷（期）: 2013,（14）
• 页码范围: 182-185,192
• 页数: 5页
• 分类号: TP181
• 字数: 4215字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1111-0289

摘要

针对传统K-means算法对初始聚类中心敏感的问题，提出了基于数据样本分布情况的动态选取初始聚类中心的改进K-means算法。该算法根据数据点的距离构造最小生成树，并对最小生成树进行剪枝得到K个初始数据集合，得到初始的聚类中心。由此得到的初始聚类中心非常地接近迭代聚类算法收敛的聚类中心。理论分析与实验表明，改进的K-means算法能改善算法的聚类性能，减少聚类的迭代次数，提高效率，并能得到稳定的聚类结果，取得较高的分类准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝文宁	解放军理工大学工程兵工程学院	64	544	13.0	20.0
2	陈刚	解放军理工大学工程兵工程学院	32	353	12.0	18.0
3	占栋辉	解放军理工大学工程兵工程学院	6	131	4.0	6.0
4	冯波	解放军理工大学工程兵工程学院	5	142	4.0	5.0