基于关联图划分的Kmeans算法

• 作者: 李正兵 涂铮铮 罗斌 翟素兰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K均值 关联图 初始聚类中心 相似度矩阵
• 年，卷（期）: 2013,（21）
• 所属期刊栏目: 图形图像处理
• 页码范围: 141-144,151
• 页数: 5页
• 分类号: TP391
• 字数: 4316字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1202-0314

摘要

Kmeans是最典型的聚类算法，因其简洁、快速而被广泛使用。针对传统Kmeans算法对初始聚类中心敏感和聚类参数k难以确定的问题，提出了一种基于关联图划分的Kmeans算法。该算法能够有效地根据数据的分布特性选取初始聚类中心，能够在指定的数据密集程度下自适应确定聚类数目。有效性实验表明上述改进的Kmeans算法具有较高的准确率和稳定性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟素兰	安徽大学计算机科学与技术学院	27	129	6.0	9.0
10	罗斌	安徽大学计算机科学与技术学院	181	1213	16.0	25.0
14	李正兵	安徽大学计算机科学与技术学院	1	22	1.0	1.0