-
题名K-means算法初始聚类中心选择的优化
被引量：52
- 1
-
-
作者
冯波
郝文宁
陈刚
占栋辉
-
机构
解放军理工大学工程兵工程学院
-
出处
《计算机工程与应用》
CSCD
2013年第14期182-185,192,共5页
-
文摘
针对传统K-means算法对初始聚类中心敏感的问题,提出了基于数据样本分布情况的动态选取初始聚类中心的改进K-means算法。该算法根据数据点的距离构造最小生成树,并对最小生成树进行剪枝得到K个初始数据集合,得到初始的聚类中心。由此得到的初始聚类中心非常地接近迭代聚类算法收敛的聚类中心。理论分析与实验表明,改进的K-means算法能改善算法的聚类性能,减少聚类的迭代次数,提高效率,并能得到稳定的聚类结果,取得较高的分类准确率。
-
关键词
K—means算法
聚类
初始聚类中心
tdkm算法
-
Keywords
K-means algorithm
clustering
initial clustering centers
tdkm algorithm
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
