K-means算法综述

• 作者: 董文静
• 来源期刊: 信息与电脑
• 关键词: K-means 集群数量 集群初始化 相似度测量 灵敏度
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 算法语言
• 页码范围: 76-78
• 页数: 3页
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.11.023

摘要

在实际应用中,传统K-means算法存在k值需要预先指定、初始聚类中心随机选择等问题,都影响到K-means的性能.为了解决这些问题,产生了许多K-means算法的变体.笔者对传统K-means进行了简要概述,指出其存在的问题,总结了聚类数的确定、聚类初始化、相似性度量以及噪声和离群值的敏感性等方面的改进,最后给出了进一步的研究方向.