基于结构系数的K-means初始聚类中心选择算法
李汉波
魏福义
张嘉龙
刘志伟
黄杰
方月宜
华南农业大学数学与信息学院 广州 510642
摘要：传统的K-means算法选取初始聚类中心时的不确定性会导致聚类结果不稳定.论文提出了基于相异度的邻域及其结构系数的概念,从最小的结构系数开始,按照其递增顺序寻找初始聚类中心;随后采用依次缩小邻域的技巧逐步探索,直到找到K个初始聚类中心.该方法同时得到l(i i=0,1,2,…,q)个初始聚类中心及其对应的数据分类结果.实验证明,对比于以往的算法,新算法具有更高的分类准确率以及更少的迭代次数.
关键词：K-means聚类相异度初始聚类中心结构系数
分类号：TP31(计算技术、计算机技术)
资助基金：广东省大学生创新创业项目(S202010564034)
论文发表日期：2023-05-20
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( 993-996,1107 )
英文信息