改进的K-means算法研究

• 作者: 李旭健 韩琮师
• 来源期刊: 软件
• 学科: 工学
• 关键词: 大数据 聚类算法 K-means
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 基金项目论文
• 页码范围: 21-23
• 页数: 3页
• 分类号: TP391
• 字数: 2265字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2020.03.005

摘要

随着互联网时代的到来,每天都有大量的历史数据堆积,这些数据含有巨大的价值,然而由于没有合适的分析方法,它们并没有被充分的利用;传统的K-means算法具有复杂度低,计算速度快,对硬件要求低等特点,使其在聚类分析中被广泛使用,但是传统的K-means算法受初始聚类中心选择的影响而导致数据聚类结果不准确;本文基于传统的K-means算法,首先在选取初始聚类中心前,通过PSO方法对初始聚类中心进行优化,然后选取初始聚类中心,接着用权重法优化样本之间的距离,最后运用改进后的K-means算法对某电商平台中的巧克力商品进行聚类实验.实验结果表明,在聚类数目相同的前提下,改进后的算法比传统的K-means算法在准确性上有较大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李旭健	山东科技大学计算机科学与工程学院	15	25	3.0	4.0
2	韩琮师	山东科技大学计算机科学与工程学院	3	2	1.0	1.0