10.3778/j.issn.1673-9418.1509024
加权局部方差优化初始簇中心的K-means算法
在传统K-means算法中,初始簇中心选择的随机性,导致聚类结果随不同的聚类中心而不同。因此出现了很多簇中心的选择方法,但是很多已有的簇中心选择算法,其聚类结果受参数调节的影响较大。针对这一问题,提出了一种新的初始簇中心选择算法,称为WLV-K-means(weighted local variance K-means)。该算法采用加权局部方差度量样本的密度,以更好地发现密度高的样本,并利用改进的最大最小法,启发式地选择簇初始中心点。在UCI数据集上的实验结果表明,WLV-K-means算法不仅能够取得较好的聚类结果,而且受参数变化的影响较小,有更加稳定的表现。
K-means算法、方差、加权、最大最小法、簇初始中心点
10
TP3;TP2
The National Natural Science Foundation of China under Grant No.61203305
2016-06-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
732-741