一种用于多类别划分的中心点选择算法

• 作者: 刘儒衡
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 聚类 MC-KM K-MEANS算法 初始中心点 相似度
• 年，卷（期）: 2018,（4X）
• 页码范围: 188-190
• 页数: 3页
• 分类号: TP311.13

摘要

传统的K-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动。当类别数目较多时,较好的初始聚类中心点集合的选择更为困难。针对K-means算法存在的这一问题,该文提出一种用于多类别划分的中心点选择算法(MC-KM)。MC-KM通过放大中心点间长距离和短距离的影响的差距,增大短距离的比重,进而选择一个距离其他中心点都较远的样本作为中心点,然后使用传统K-means进行聚类。理论分析与实验结果表明,MC-KM在类数目较多的数据集中能取得更好的聚类结果,并且具有较好的稳定性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘儒衡	山东科技大学计算机科学与工程学院	2	0	0.0	0.0