K均值聚类算法的研究与优化

• 作者: 刘洋 戴兵 杨锋 陶莹
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 数据挖掘 K均值聚类 中心点 误差平方和
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 90-92
• 页数: 3页
• 分类号: TP393
• 字数: 1965字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.06.020

摘要

聚类分析是数据挖掘的重要组成部分,K均值聚类算法是聚类分析方法中一种基本的划分式方法,也是无监督的机器学习方法.其具有效率高、容易理解和实现等优点,同时,可以对多种数据类型进行聚类,广泛应用于诸多领域.但是,K均值聚类算法也有一些局限性.算法中合理的k值难以确定,而且算法选择初始聚类中心的随机性会导致聚类结果不稳定,同时,算法对噪声和离群点数据也有很强的敏感性.为了解决初始聚类中心随机性的问题,通过全局化思想对K均值聚类算法进行了改进,改进的聚类效果评价使用常用的误差平方和准则.实验结果表明,相较于一般的K均值聚类算法,全局K均值聚类算法得到了更好的聚类效果,同时提升了算法的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨锋	广西大学计算机与电子信息学院	22	110	6.0	9.0
2	刘洋	广西大学计算机与电子信息学院	20	110	6.0	10.0
3	陶莹	广西大学计算机与电子信息学院	3	32	1.0	3.0
4	戴兵	广西大学计算机与电子信息学院	1	31	1.0	1.0