基于密度和聚类指数改进的K-means算法

• 作者: 丁岳伟 冒纯丽 毛秀
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: k-均值算法 初始聚类中心 高密度集 最大距离积法 聚类指数
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 协议·算法及仿真
• 页码范围: 47-50,64
• 页数: 5页
• 分类号: TP306.1
• 字数: 4232字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2015.11.013

摘要

传统K-means算法中,随机选择到的初始聚类中心不同会得到不一样的簇类,人工给定的k值与实际聚类数较难达到一致,针对这些问题,文中提出了基于密度和聚类指数改进的K-means聚类算法.根据密度获取高密度集HP,从此集合中选择相互之间距离最大的两对对象均值当成第一轮聚类的聚类中心,新的聚类中心可通过最大距离积法获取,并参考聚类指数确定合适的k值.通过进行实验确认了该算法有较高的准确性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁岳伟	上海理工大学光电信息与计算机工程学院	57	340	11.0	15.0
2	冒纯丽	上海理工大学光电信息与计算机工程学院	2	14	2.0	2.0
3	毛秀	上海理工大学光电信息与计算机工程学院	1	8	1.0	1.0