一种优化初始中心的K-Means聚类算法

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，本文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，该算法首先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，然后再进行K-Means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。