稳定的K-多均值聚类算法

摘要：

指定K个聚类的多均值聚类算法在K-均值算法的基础上设置了多个次类,以改善K-均值算法在非凸数据集上的劣势,并将多均值聚类问题形式化为优化问题,可以得到更优的聚类效果.但是该算法对初始原型敏感,且随机选取原型的方式使聚类结果不稳定.针对上述问题,提出一种稳定的K-多均值聚类算法,并对该算法的复杂度与收敛性进行了简要讨论.该算法先基于数据样本的最邻近关系构造图,根据图的连通分支将数据分为若干组,取每组数据的均值点作为初始原型,再用交替迭代的方法对优化问题进行求解,得到最后的聚类结果.在人工数据集和真实数据集上的实验表明,该算法具有更稳定更优越的聚类效果.

关键词：聚类、K-多均值聚类(KMM)、原型初始化

所属期刊栏目：15

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏省研究生创新计划项目;江苏高校优势学科建设工程资助项目

在线出版日期：2021-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：941-948