摘要
K-均值(K-Means)算法是聚类分析中一种基于划分的算法,同时也是无监督学习算法。其具有思想简单、效果好和容易实现的优点,广泛应用于机器学习等领域。但是K-Means算法也有一定的局限性,比如:算法中聚类数目K值难以确定,初始聚类中心如何选取,离群点的检测与去除,距离和相似性度量等。从多个方面对K-Means算法的改进措施进行概括,并和传统K-Means算法进行比较,分析了改进算法的优缺点,指出了其中存在的问题。对K-Means算法的发展方向和趋势进行了展望。
学科与关键词
关键词
K-Means聚类算法聚类中心离群点 K-Meansclustering algorithmcluster centeroutliers
- 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.
- 基于向量语义相似度的改进K-Means算法李法运; 农罗锋情报科学, 2013, (02): 34.
- 一种优化初始中心的K-means聚类算法邓海; 覃华; 孙欣计算机技术与发展, 2013, (11): 42-45.
