K-means聚类算法的一种改进方法

• 作者: 任青山 方逵
• 来源期刊: 福建电脑
• 关键词: K-means聚类 孤立点 聚类质量评估
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 基金项目论文
• 页码范围: 1-2,5
• 页数: 3页
• 字数: 3551字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2016.05.001

摘要

聚类分析是数据挖掘中的重要研究之一，其算法的好坏直接影响到聚类效果。本文首先论述了经典的K-means聚类算法，然后分析讨论了K-means聚类算法对K值的选择，初始聚类中心的选择及对噪声与孤立点数据敏感等方面的不足，并利用了基于距离算法的孤立点剔除理论，来消除噪声和孤立点等数据对K-means聚类质量的影响，最后通过实验证明，改进后的K-means聚类算法更好的提高了聚类质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方逵	湖南农业大学信息科学技术学院	95	329	9.0	12.0
2	任青山	湖南农业大学信息科学技术学院	4	16	2.0	4.0