登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于密度的优化初始聚类中心K-means算法研究
  • 摘要

    传统的 K-means 算法随机选取初始聚类中心,聚类结果不稳定,容易陷入局部最优解。针对聚类中心的敏感性,提出一种优化初始聚类中心的 K-means 算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类,在高密度区域中选择 K 个密度最大且相互距离超过某特定阈值的点作为初始聚类中心,并对低密度区域的噪声点单独处理。实验证明,优化后的算法能取得更好的聚类效果,且稳定性增强。

  • 作者

    何佳知  谢颖华  He Jiazhi  Xie Yinghua 

  • 作者单位

    东华大学 信息科学与技术学院,上海,201620

  • 刊期

    2015年19期

  • 关键词

    聚类  K-means 算法  密度  聚类中心  噪声点  clustering  K-means algorithm  density  clustering center  noise points 

参考文献
查看更多︾
相似文献 查看更多>>
3.234.208.66