优化初始聚类中心的K-means聚类算法

• 作者: 丁亮 刘莉萍 牛晓录 章新友 郭永坤
• 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 算法优化 初始聚类中心
• 年，卷（期）: 2020,（15）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 172-178
• 页数: 7页
• 分类号: TP391
• 字数: 5607字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1910-0220

摘要

针对传统K-means算法对初始中心十分敏感,聚类结果不稳定问题,提出了一种改进K-means聚类算法.该算法首先计算样本间的距离,根据样本距离找出距离最近的两点形成集合,根据点与集合的计算公式找出其他所有离集合最近的点,直到集合内数据数目大于或等于α(α为样本集数据点数目与聚类的簇类数目的比值),再把该集合从样本集中删除,重复以上步骤得到K(K为簇类数目)个集合,计算每个集合的均值作为初始中心,并根据K-means算法得到最终的聚类结果.在Wine、Hayes-Roth、Iris、Tae、Heart-stalog、Ionosphere、Haberman数据集中,改进算法比传统K-means、K-means++算法的聚类结果更稳定;在Wine、Iris、Tae数据集中,比最小方差优化初始聚类中心的K-means算法聚类准确率更高,且在7组数据集中改进算法得到的轮廓系数和F1值最大.对于密度差异较大数据集,聚类结果比传统K-means、K-means++算法更稳定,更准确,且比最小方差优化初始聚类中心的K-means算法更高效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章新友	江西中医药大学计算机学院	77	265	8.0	12.0
2	郭永坤	江西中医药大学计算机学院	8	20	2.0	4.0
3	刘莉萍	江西中医药大学计算机学院	7	20	2.0	4.0
4	丁亮	江西中医药大学计算机学院	3	14	1.0	3.0
5	牛晓录	江西中医药大学药学院	8	20	2.0	4.0