摘要
针对传统K-means聚类算法对初始聚类中心的敏感性和随机性,造成容易陷入局部最优解和聚类结果波动性大的问题,结合密度法和最大化最小距离的思想,提出基于最近高密度点间的垂直中心点优化初始聚类中心的K-means聚类算法。该算法选取相互间距离最大的K对高密度点,并以这K对高密度点的均值作为聚类的初始中心,再进行Kmeans聚类。实验结果表明,该算法有效排除样本中含有的孤立点,并且聚类过程收敛速度快,聚类结果有更好的准确性和稳定性。
学科与关键词
关键词
K-means聚类聚类中心高密度点垂直中心点 K-means clusteringclustering centerhigh density pointsvertical center
- 一种改进的K-Means聚类算法的研究王雪梅; 李晓峰; 高巍巍计算机与数字工程, 2013, (11): 1717.
- K-Means聚类算法研究综述杨俊闯; 赵超计算机工程与应用, 2019, (23): 7-14+63.
- 一种基于半径的k-means算法刘家星; 朱国魂; 席敏桂林电子科技大学学报, 2013, (02): 134-138.
