基于相异性邻域的改进K-means算法

• 作者: 李汉波 魏福义 张嘉龙 刘志伟
• 来源期刊: 现代信息科技
• 关键词: K-means聚类 相异度 邻域半径 初始聚类中心 奇异点
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 计算机技术|Computer Technology
• 页码范围: 67-70
• 页数: 4页
• 分类号: TP273.4
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.07.017

摘要

K-means算法从样本集随机选取初始聚类中心导致聚类结果不稳定,且聚类性能易受奇异点影响.针对以上缺陷,文章定义基于相异度矩阵的邻域半径概念,依次选取最小邻域半径对应的样本作为初始聚类中心,直到邻域半径达到样本集的平均邻域半径;若选取的聚类中心数量不足K个,逐步缩小邻域参数探索,直到选出K个.随后给出基于实验的剔除奇异点公式,得到最终的聚类结果.实验结果表明,算法在准确度和迭代次数两方面均有所改进.