一种K-means聚类的交集迭代算法

• 作者: 江忠良 蔡源源
• 来源期刊: 电子世界
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 探索与观察
• 页码范围: 35-36
• 页数: 2页
• 语种: 中文

摘要

本文主要针对传统K-means算法对于少数孤立点敏感度高,提出了类重叠的聚类思想对此进行优化.先对数据进行两次随机中心聚类,生产两份不同初始聚类中心的聚类(可以为多维图).将两种聚类图型进行交集运算,以第一次聚类的族为基础,对每个选取最大交集并求出其中心,新中心数目与族数K值一致,再用新聚类中心进行聚类.如此反复不断进行迭代,直到重叠部分不再改变,聚类停止,得出结论,该方法既能提高聚类算法的精确度,也能减少聚类对于少数孤立点的敏感度.