一种有效的K-means初始中心优化算法

• 作者: 孙梦丹 张丽 赵京胜
• 来源期刊: 信息技术与信息化
• 关键词: K-means算法 初始聚类中心 最大距离 密度 乘积最大
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 学术研究 Academic Studies -- 计算机应用技术
• 页码范围: 77-79
• 页数: 3页
• 字数: 2784字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9528.2016.05.017

摘要

局部最优是K-means算法最容易形成的一个问题，所以聚类结果会大大受初始中心的波及。。针对这一问题，找到了改进初始聚类中心的新方法：首先，选择高密度区域内距离最远的两个点为初始中心，然后将第3个初始中心位置规定在与已知初始聚类中心距离乘积最大的点上，以此类推，直到找到k个初始中心。实验证明，此算法有更快的收敛速度，生成的结果稳定性更强，正确率更高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽		9	103	5.0	9.0
2	赵京胜		21	134	6.0	11.0
3	孙梦丹		1	3	1.0	1.0