基于近邻图的k-means初始中心选择调优算法

• 作者: 胡湘萍
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 聚类 K 均值 初始化 近邻图
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 178-181,192
• 页数: 5页
• 分类号: TP3
• 字数: 5111字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.04.045

摘要

k-means 算法以其算法简单、计算效率高而被广泛应用在数据挖掘、机器学习、计算机视觉等领域。然而，k-means 算法的性能严重依赖于其初始聚类中心的选取。不同的初始聚类中心导致 k-means 算法的聚类结果变化很大。一个合理的方式是选取处在数据相对密集区域的数据样本作为初始聚类中心。鉴于此，提出一种基于数据近邻图的 k-means 初始中心选取算法。该算法分为三个阶段：1）构建数据集的局部近邻图；2）选取初始聚类中心的候选集合；3）确定恰当的初始聚类中心。实验结果表明，该算法选取的初始聚类中心是合理的，同时，可以加快 k-means 的收敛速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡湘萍		3	20	3.0	3.0