基于密度的K-means初始聚类中心选取算法

• 作者: 韩凌波
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: K-means算法 聚类中心 密度参数 邻域距离
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 协议·算法及仿真
• 页码范围: 105-107
• 页数: 3页
• 分类号: TP311.12
• 字数: 2627字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2015.07.032

摘要

传统K-means算法的初始聚类中心从数据集中随机抽取,聚类结果会随着初始聚类中心的不同而产生波动.针对这一问题,提出一种基于密度的优化初始聚类中心选取算法,通过计算每个数据对象的密度参数和邻域距离,选取k个处于高密度分布的点作为初始聚类中心.在聚类类别数给定的情况下,使用标准的UCI数据库进行对比实验,发现改进后的算法较传统算法有相对较高的准确率和稳定性.