一种改进初始聚类中心选择的K-means算法

摘要：

针对K-means算法中聚类结果易受初始聚类中心影响的缺点,提出一种改进初始聚类中心选择的算法.该算法不断寻找最大聚类,并利用距离最大的两个数据对象作为开始的聚类中心对该聚类进行分裂,如此反复,直到得到指定聚类中心个数.用KDD CUP99数据集对改进算法进行仿真实验,实验数据表明,用该算法获得的聚类中心进行聚类相对原始的K-means算法,能获得更好的聚类结果.

关键词：K-means算法、入侵检测、聚类算法、网络安全

所属期刊栏目：33

分类号：TP393.08(计算技术、计算机技术)

资助基金：浙江省教育厅科技计划项目20060520

在线出版日期：2012-11-16（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：1320-1323