一种改进的K-Means算法

• 作者: 尹成祥 张宏军 张睿 王彬 綦秀利
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: K-Means算法 分段 聚类指数 紧密度 显著度
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 30-33
• 页数: 4页
• 分类号: TP301.6
• 字数: 3082字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.10.007

摘要

针对典型K-Means算法随机选取初始中心点导致的算法迭代次数过多的问题,采取数据分段方法,将数据点根据距离分成k段,在每段内选取一个中心作为初始中心点,进行迭代运算；为寻找最优的聚类数目k,定义了新的聚类有效性函数-聚类指数,包含聚类紧密度和聚类显著度两个指标,通过最优化聚类指数,在[1, n ]内寻找最优的k值。在IRIS数据集进行的仿真实验结果表明,算法的迭代次数明显减少,寻找的最优k值接近数据集的真实情况,算法有效性得到了验证。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宏军		106	566	12.0	18.0
2	张睿		31	136	7.0	9.0
3	綦秀利		9	40	3.0	6.0
4	尹成祥		4	26	2.0	4.0
5	王彬		3	32	2.0	3.0