加权局部方差优化初始簇中心的K-means算法

摘要：

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。

关键词：K-means算法、方差、加权、最大最小法、簇初始中心点

所属期刊栏目：10

分类号：TP3;TP2

资助基金：The National Natural Science Foundation of China under Grant No.61203305

在线出版日期：2016-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：732-741