K均值优化算法综述

• 作者: 邓滨玥
• 来源期刊: 软件
• 学科: 工学
• 关键词: k-means算法 聚类算法 聚类中心 误差平方和 无监督学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 188-192
• 页数: 5页
• 分类号: TP391
• 字数: 3760字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2020.02.041

摘要

k-means算法源于信号处理中的一种向量量化方法,现在则更多地作为一种聚类分析方法流行于数据挖掘领域.在数据挖掘技术中常常使用聚类方法,而k-means算法作为最典型、最常见、实用度最广的一种聚类算法,具有简单易操作等优点.但此算法需要人工设定聚类中心的数量,初始聚类中心,容易陷入局部最优,使得算法的时间复杂度变得较大,得到的聚类结果易受到k值与设定的初始聚类中心的影响,针对这些问题,本文介绍了k-means算法的改进方法,分析其优缺点并提出了优化算法的下一步研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓滨玥	重庆文理学院电子信息与电气学院	1	0	0.0	0.0