基于均值与最大距离乘积的初始聚类中心优化 K-means 算法*
段桂芹
广东松山职业技术学院计算机系 韶关 512126
摘要：针对K‐means算法随机选择初始聚类中心所出现的样本聚类结果随机性强、稳定性低、容易陷入局部最优和得不到全局最优解等问题，提出一种基于均值与最大距离乘积的初始聚类中心优化K‐means算法。该算法首先选择距离样本集均值最远的数据对象加入聚类中心集合，再依次将与样本集均值和当前聚类中心乘积最大的数据对象加入聚类中心集合。标准数据集上的实验结果表明，与原始K‐means的算法以及另一种改进算法相比，新提出的聚类算法具有更高的准确率。
关键词：K-means聚类算法均值最大距离乘积数据挖掘
分类号：TP301.6(计算技术、计算机技术)
资助基金：2013年广东省高职教育教学指导委员会教改项目(编号XXJS-2013-2041)广东松山职业技术学院技术应用重点课题(编号2012-JYKY-19)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 379-382 )
英文信息