基于优化初始聚类中心的K中心点算法

• 作者: 刘锋 段桂芹 邹臣嵩
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 密度 初始聚类中心 K中心点 绝对误差
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP301.6
• 字数: 4525字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.04.001

摘要

针对K中心点算法的初始聚类中心可能过于临近、代表性不足、稳定性差等问题,提出一种改进的K中心点算法.将样本集间的平均距离与样本间的平均距离的比值作为样本的密度参数,精简了高密度点集合中候选代表点的数量,采用最大距离乘积法选择密度较大且距离较远的K个样本作为初始聚类中心,兼顾聚类中心的代表性和分散性.在UCI数据集上的实验结果表明,与传统K中心点算法和其他2种改进聚类算法相比,新提出的算法不仅聚类结果更加准确,同时也具有更快的收敛速度和更高的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹臣嵩	广东松山职业技术学院电气工程系	23	23	2.0	3.0
2	段桂芹	广东松山职业技术学院计算机系	15	32	3.0	5.0
3	刘锋	广东松山职业技术学院电气工程系	6	0	0.0	0.0