优化初始聚类中心及确定K值的K-means算法

• 作者: 蒋丽 薛善良
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: K-means聚类 聚类数 聚类中心 密度 孤立点
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 算法与分析
• 页码范围: 21-24,113
• 页数: 5页
• 分类号: TP301.6
• 字数: 3478字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2018.01.006

摘要

K-means聚类算法中,我们需要输入两个参数,一个是聚类数K,另一个是初始聚类中心,初始聚类中心的选择对聚类结果有较大的影响,传统的K-means聚类算法随机挑选K个聚类中心,而随机挑选的聚类中心难免会取到孤立点,这将对聚类结果产生很大的影响.K值是用户输入,K值选取的不好也将影响聚类效果.论文提出了一种改进的K-means聚类算法,先根据类簇指标确定需要聚类的数K,之后采用基于密度的思想,首先将聚类样本分为核心点、边界点和孤立点,之后排除孤立点和边界点并取核心点的中心点作为K个聚类中心后再进行K-means聚类,实验表明改进后的算法比原始的K-means聚类算法准确性更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛善良	南京航空航天大学计算机科学与技术学院	52	442	12.0	18.0
2	蒋丽	南京航空航天大学计算机科学与技术学院	2	29	2.0	2.0