最小局部方差优化初始聚类中心的K-m eans算法

• 作者: 张文斌 李建军 王世其 蔡潮森
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 聚类 K-means算法 初始化聚类中心 局部方差 密集程度
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 196-200
• 页数: 5页
• 分类号: TP312
• 字数: 4408字
• 语种: 中文
• DOI: 10.11907/rjdk.192061

摘要

针对传统K-means算法随机选取初始聚类中心导致聚类结果随机性大、优劣不定的缺点,通过定义局部方差,利用方差反映数据密集程度的特性,提出一种基于最小局部方差优化初始聚类中心的K-means算法.该算法选取数据集中局部方差最小的点作为一个初始聚类中心,并利用数据信息更新数据集,直到选到k个初始聚类中心,实现初始聚类中心优化.基于UCI数据集与人工数据集进行实验,与传统K-means算法及最小方差优化初始聚类中心的K-means算法进行性能比较.实验结果表明,基于最小局部方差优化初始聚类中心的K-means算法具有良好的聚类效果和很好的鲁棒性,且聚类时间较短,验证了算法有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李建军	南京理工大学理学院	15	45	4.0	6.0
2	王世其	南京理工大学理学院	1	0	0.0	0.0
3	张文斌	南京理工大学理学院	1	0	0.0	0.0
4	蔡潮森	南京理工大学理学院	1	0	0.0	0.0