K-means算法聚类中心选取

• 作者: 张坤鹏 张朝 郭秀娟
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: K-means算法 聚类中心 聚类分析
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 437-441
• 页数: 5页
• 分类号: TP18
• 字数: 3922字
• 语种: 中文

摘要

传统K-means算法对于聚类初始点的选取和距离度量的计算异常敏感,因而很可能导致K-means算法只能收敛得到局部最优解.为此,提出一种改进的K-means算法,即K-means聚类算法最优匹配算法,并进行了相关的算法实验分析.该改进算法首先对传统的K-means聚类算法进行初始点的选取,并分析聚类结果.然后,分别从初始聚类中心的选择和距离算法的确定进行实验测试,引入轮廓系数评价聚类效果,分析实验结果可知,K-means聚类算法最优匹配算法具有较好的稳定性和较高的聚类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭秀娟	吉林建筑大学电气与计算机学院	62	373	10.0	18.0
2	张朝	吉林大学地球探测科学与技术学院	2	6	1.0	2.0
3	张坤鹏	吉林建筑大学电气与计算机学院	3	9	2.0	3.0