10.3778/j.issn.1002-8331.2008.10.043
K-means算法的初始聚类中心的优化
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,针对K-means算法存在的问题,提出了基于密度的改进的K-means算法,该算法采取聚类对象分布密度方法来确定初始聚类中心,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,理论分析与实验结果表明,改进的算法能取得更好的聚类结果.
聚类、K-means算法、密度、聚类中心、高密度区域
44
TP274(自动化技术及设备)
2008-05-22(万方平台首次上网日期,不代表论文的发表时间)
共3页
147-149