基于密度的优化初始聚类中心K-means算法研究 |
| |
作者单位: | ;1.东华大学信息科学与技术学院 |
| |
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。
|
关 键 词: | 聚类 K-means算法 密度 聚类中心 噪声点 |
Study on K-means algorithm of optimized initial clustering centers based on density |
| |
Abstract: | |
| |
Keywords: | |
|
|