基于密度的优化初始聚类中心K-means算法研究

• 作者: 何佳知 谢颖华
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 聚类 K-means 算法 密度 聚类中心 噪声点
• 年，卷（期）: 2015,（19）
• 页码范围: 17-19,23
• 页数: 4页
• 分类号: TP181
• 字数: 2972字
• 语种: 中文

摘要

传统的 K-means 算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的 K-means 算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类，在高密度区域中选择 K 个密度最大且相互距离超过某特定阈值的点作为初始聚类中心，并对低密度区域的噪声点单独处理。实验证明，优化后的算法能取得更好的聚类效果，且稳定性增强。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢颖华	东华大学信息科学与技术学院	26	116	6.0	9.0
2	何佳知	东华大学信息科学与技术学院	1	14	1.0	1.0