基于初始聚类中心选取和数据点划分的K均值聚类算法

摘要：

传统K均值聚类算法随机选取初始中心容易陷入局部极小，而且不能有效处理不规则数据集的边缘数据。针对这两个问题，提出一种改进K均值聚类算法。初始聚类中心的选取使用基于距离的方法，减少了迭代次数；数据点不再根据距离聚类中心的大小划分，而是根据其周围点的分布划分。通过仿真，证实了本文算法的可行性与有效性。

关键词：K均值聚类、初始聚类中心、数据点划分、距离、边缘数据

分类号：TP3;TP1

资助基金：高等学校博士学科点专项科研基金200802901506

在线出版日期：2014-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：90-94