10.3969/j.issn.1002-8978.2017.06.003
基于K-means聚类算法的改进
基于传统的K-means聚类方法提出一种基于密度的改进K-means聚类方法.改进后的方法,首先选取数据集中密度最大的点作为第1个聚类中心点,以此为基准,选取离此点最远的点作为第2个初始聚类中心,再在剩余的点中找出离这两个初始点距离最远的点作为第3个聚类中心,以此类推,直到找到所需的K个点,之后再根据K-means算法迭代更新聚类中心,直到收敛或达到设定的迭代次数为止.实验结果表明,提出的方法与传统K-means方法相比准确率及稳定性方面均有所提高,可以作为聚类研究的一个新的思路.
K-means聚类、密度聚类、聚类稳定性
36
TP181;TN957(自动化基础理论)
2017-07-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
9-13,21