10.3969/j.issn.1000-3428.2007.03.024
初始聚类中心优化的k-means算法
传统的k-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动.为消除这种敏感性,提出一种优化初始聚类中心的方法,此方法计算每个数据对象所在区域的密度,选择相互距离最远的k个处于高密度区域的点作为初始聚类中心.实验表明改进后的k-means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性.
数据挖掘、聚类、k-means算法、聚类中心
33
TP39(计算技术、计算机技术)
河北省科技厅攻关计划基金05213573;河北省教育厅科研项目2004406
2007-03-21(万方平台首次上网日期,不代表论文的发表时间)
共2页
65-66