基于聚类中心优化的k-means最佳聚类数确定方法

• 作者: 宋建林 贾瑞玉
• 来源期刊: 微电子学与计算机
• 关键词: k-means聚类 初始聚类中心 样本密度 聚类数
• 年，卷（期）: 2016,（5）
• 页码范围: 62-66,71
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文

摘要

k-means聚类算法是在确定的聚类数k下对数据集进行聚类,通常凭借先验规则假定一个k值,取值具有很大主观性;此外,k-means初始聚类中心的选择一般也是随机的,这使得k-means聚类经常出现聚类指标局部最优化,聚类结果不稳定.针对以上两个问题,结合密度法改进了k-means初始聚类中心点的选择,并在此基础上提出了一种确定k-means最佳聚类数的方法.实验结果证明,该方法可以得到更好的聚类结果,具有更高的准确性、更好的稳定性以及更优的收敛性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾瑞玉	安徽大学计算机科学与技术学院	62	688	17.0	23.0
2	宋建林	安徽大学计算机科学与技术学院	1	28	1.0	1.0