优化初始聚类中心及确定K值的K-means算法
蒋丽
薛善良
1.南京航空航天大学计算机科学与技术学院 南京 2111062.南京航空航天大学计算机科学与技术学院 南京 211106
摘要：K-means聚类算法中,我们需要输入两个参数,一个是聚类数K,另一个是初始聚类中心,初始聚类中心的选择对聚类结果有较大的影响,传统的K-means聚类算法随机挑选K个聚类中心,而随机挑选的聚类中心难免会取到孤立点,这将对聚类结果产生很大的影响.K值是用户输入,K值选取的不好也将影响聚类效果.论文提出了一种改进的K-means聚类算法,先根据类簇指标确定需要聚类的数K,之后采用基于密度的思想,首先将聚类样本分为核心点、边界点和孤立点,之后排除孤立点和边界点并取核心点的中心点作为K个聚类中心后再进行K-means聚类,实验表明改进后的算法比原始的K-means聚类算法准确性更高.
关键词：K-means聚类聚类数聚类中心密度孤立点
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2018-01-01
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：5( 21-24,113 )
英文信息