一种优化初始中心的K-means聚类算法

摘要：

针对传统K-means聚类算法对初始聚类中心的敏感性和随机性，造成容易陷入局部最优解和聚类结果波动性大的问题，结合密度法和最大化最小距离的思想，提出基于最近高密度点间的垂直中心点优化初始聚类中心的K-means聚类算法。该算法选取相互间距离最大的K对高密度点，并以这K对高密度点的均值作为聚类的初始中心，再进行K-means聚类。实验结果表明，该算法有效排除样本中含有的孤立点，并且聚类过程收敛速度快，聚类结果有更好的准确性和稳定性。

关键词：K-means聚类、聚类中心、高密度点、垂直中心点

分类号：TP301.6(计算技术、计算机技术)

资助基金：教育部人文社会科学研究规划基金项目11YJAZH080

在线出版日期：2013-12-04（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：42-45