基于平均密度优化初始聚类中心的k-means算法

• 作者: 谷浩 邢长征
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: k-means算法 聚类中心 平均密度 孤立点 收敛
• 年，卷（期）: 2014,（20）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 135-138
• 页数: 4页
• 分类号: TP311.5
• 字数: 4313字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1311-0122

摘要

现有的基于密度优化初始聚类中心的k-means算法存在聚类中心的搜索范围大、消耗时间久以及聚类结果对孤立点敏感等问题，针对这些问题，提出了一种基于平均密度优化初始聚类中心的k-means算法adk-means。该算法将数据集中的孤立点划分出来，计算出剩余数据集样本的平均密度，孤立点不参与聚类过程中各类所含样本均值的计算；在大于平均密度的密度参数集合中选择聚类中心，根据最小距离原则将孤立点分配给离它最近的聚类中心，直至将数据集完整分类。实验结果表明，这种基于平均密度优化初始聚类中心的k-means算法比现有的基于密度的k-means算法有更快的收敛速度，更强的稳定性及更高的聚类精度，消除了聚类结果对孤立点的敏感性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢长征	辽宁工程技术大学电子与信息工程学院	41	277	10.0	14.0
2	谷浩	辽宁工程技术大学电子与信息工程学院	1	52	1.0	1.0