一种有效的均值聚类初始化方法

• 作者: 张鲁营 赵晓凡
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 数据挖掘 k均值聚类 初始中心
• 年，卷（期）: 2016,（3）
• 页码范围: 17-20
• 页数: 4页
• 分类号: TP391
• 字数: 4386字
• 语种: 中文

摘要

聚类算法是用来提取有用信息的重要技术,k均值聚类算法是其中应用最为普遍的聚类分析算法.然而,这种聚类算法的主要问题是,最终的聚类结果高度依赖于初始聚类中心.标准的k均值聚类算法使用随机初始中心会得到很差的聚类结果.因此,为了克服标准k-均值聚类算法的不足,本文提出一种基于贡献率的方法来优化初始中心的选择,以便得到一个好的聚类结果.将新提出的初始化方法应用到一些知名的数据集,将其与几种传统的初始化算法相比较,证明新提出的初始化方法具有良好的性能.本文所提出的方法不仅容易理解,而且聚类的迭代次数和执行时间也明显下降.本文的初始化方法可以保证得到一个比较好的聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鲁营	北京交通大学计算机与信息技术学院	1	1	1.0	1.0
2	赵晓凡	北京交通大学计算机与信息技术学院	1	1	1.0	1.0