重心随机漂移KMeans聚类算法的设计

• 作者: 尹晓丽
• 来源期刊: 长春大学学报（自然科学版）
• 学科: 工学
• 关键词: KMeans聚类 机器学习 CRDKMeans聚类 Matlab
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 数理科学
• 页码范围: 35-38
• 页数: 4页
• 分类号: TP301
• 字数: 2385字
• 语种: 中文

摘要

利用KMeans聚类算法进行聚类过程中,有可能会产生孤立聚点,这种情况一旦发生,会严重影响算法的聚类效果.为避免产生孤立聚点,本文改进了KMeans聚类算法,设计了一类重心随机漂移(Center Random Drift,简称CRD)KMeans聚类算法.该算法会首先判断生成的聚点是否是孤立聚点,利用CRD算法对孤立聚点进行替换,从而有效避免了孤立聚点的产生.通过在Matlab环境下进行图像聚类对比实验发现,针对色彩丰富的图片,新算法和传统KMeans算法性能没有明显差异,而针对图片色彩比较单一的图片,传统的KMeans聚类算法聚类效果不佳,新算法依然可以有效聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹晓丽	山西大学商务学院基础教学部	10	34	2.0	5.0