基于影响空间的初始中心点优化K-means聚类算法

• 作者: 张继福 蔡江辉 赵文冲
• 来源期刊: 太原科技大学学报
• 学科: 工学
• 关键词: K-means算法 影响空间 加权距离吸引因子 初始点优化
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 计算机科学与信息工程
• 页码范围: 347-353
• 页数: 7页
• 分类号: TP391
• 字数: 3997字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2016.04.003

摘要

针对K-means聚类算法依赖初始点、聚类结果受初始点的选取影响较大的缺陷,给出了一种稳定的基于影响空间的初始点优化K-means聚类算法.该算法借助了影响空间数据结构和定义的加权距离吸引因子,将特殊中心点合并为K个微簇,并对微簇中的数据点加权平均得到K个初始中心点,然后执行K-means算法;最后,理论分析和实验结果表明,该初始点优化K-means聚类算法能够有效降低噪声数据对聚类结果的影响,在聚类结果、聚类过程效率方面有较大优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡江辉	太原科技大学计算机科学与技术学院	33	114	6.0	9.0
2	张继福	太原科技大学计算机科学与技术学院	94	600	14.0	20.0
3	赵文冲	太原科技大学计算机科学与技术学院	3	11	2.0	3.0