BK-means:骨架初始解K-means

摘要：

K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果.骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义.给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇.利用骨架簇构造骨架初始解及新的搜索空间.最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果.在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力.

关键词：聚类、K-means算法、启发式算法、骨架初始解

所属期刊栏目：45

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60503003;教育部博士点基金the Specialized Research Fund for the Doctoral Program of Higher Education under Grant 20070141020;安徽省教育厅自然科学基金the Nature Science Fo Anhui Education under Grant KJ2008B133,KJ2008B05ZC

在线出版日期：2009-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：49-52