10.3778/j.issn.1002-8331.2010.17.042
一种改进的k-means初始聚类中心选取算法
在传统的k-means聚类算法中,聚类结果会随着初始聚类中心点的不同而波动,针对这个缺点,提出一种优化初始聚类中心的算法.该算法通过计算每个数据对象的密度参数,然后选取K个处于高密度分布的点作为初始聚类中心.实验表明,在聚类类别数给定的情况下,通过用标准的UCI数据库进行实验比较,发现采用改进后方法选取的初始类中心的k-mesans算法比随机选取初始聚类中心算法有相对较高的准确率和稳定性.
k-means算法、聚类中心、密度参数
46
TP311.12(计算技术、计算机技术)
国家自然科学基金the National Natural Science Foundation of China under Grant 60463003;广西科学基金项目桂科自0640067;广西研究生教育创新计划项目2007106020812M73
2010-08-30(万方平台首次上网日期,不代表论文的发表时间)
共3页
150-152