K-means聚类算法研究综述

摘要：

聚类分析是数据挖掘的重要技术,而在5G时代,海量的数据维度高、数据集大,利用K-means算法易受离群点的影响,且K值、初始聚类中心的选取影响聚类结果的稳定性和准确率,甚至导致聚类陷入局部最优,对K-means算法的改进受到众多研究者的关注.主要对K-means聚类的研究现状进行归纳总结.首先,介绍K-means算法的思想原理;其次,针对初始聚类中心点的选取、K值确定、离群点对现有改进算法进行基于密度和距离的分类总结,并对各个改进算法的优势和缺陷进行分析;最后对K-means算法未来可能的研究方向和趋势进行展望.

关键词：K-means、聚类算法、K值、初始聚类中心、离群点、密度、距离

所属期刊栏目：39

分类号：TP301.6(计算技术、计算机技术)

资助基金：江西省自然科学基金2019ZACBL20010

在线出版日期：2022-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：119-126