K-Means聚类算法研究综述

• 作者: 杨俊闯 赵超
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K-Means 聚类算法 聚类中心 离群点
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 热点与综述
• 页码范围: 7-14,63
• 页数: 9页
• 分类号: TP301
• 字数: 6904字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1908-0347

摘要

K-均值(K-Means)算法是聚类分析中一种基于划分的算法,同时也是无监督学习算法.其具有思想简单、效果好和容易实现的优点,广泛应用于机器学习等领域.但是K-Means算法也有一定的局限性,比如:算法中聚类数目K值难以确定,初始聚类中心如何选取,离群点的检测与去除,距离和相似性度量等.从多个方面对K-Means算法的改进措施进行概括,并和传统K-Means算法进行比较,分析了改进算法的优缺点,指出了其中存在的问题.对K-Means算法的发展方向和趋势进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵超	河北工程大学信息与电气工程学院	2	18	1.0	2.0
2	杨俊闯	河北工程大学信息与电气工程学院	2	18	1.0	2.0