最优聚类个数和初始聚类中心点选取算法研究

• 作者: 张素洁 赵怀慈
• 来源期刊: 计算机应用研究
• 关键词: K-means算法 聚类中心 准确率 误差平方和
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1617-1620
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.06.004

摘要

传统K-means算法的聚类数k值事先无法确定,而且算法是随机性地选取初始聚类中心点,这样容易造成聚类结果不稳定且准确率较低.基于SSE来选取聚类个数k值,基于聚类中心点所在的周围区域相对比较密集、聚类中心点之间距离相对较远的选取原则来选取初始聚类中心点,避免初始聚类中心点集中在一个小的范围,防止陷入局部最优.实验证明,该算法能选取最优的k值,通过用标准的UCI数据库进行实验,采用的算法能选择出唯一的初始中心点,聚类准确率较高、误差平方和较小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵怀慈	中国科学院沈阳自动化研究所	41	395	12.0	18.0
10	张素洁	中国科学院沈阳自动化研究所	1	60	1.0	1.0