文献类型：期刊文章

作　　者：袁方[1] 周志勇[1] 宋鑫[1]

机构地区：[1]河北大学数学与计算机学院,保定071002

出　　处：《计算机工程》

基　　金：河北省科技厅攻关计划基金资助项目(05213573);河北省教育厅科研计划基金资助项目(2004406)

年　　份：2007

卷　　号：33

期　　号：3

起止页码：65-66

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：传统的k-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动。为消除这种敏感性,提出一种优化初始聚类中心的方法,此方法计算每个数据对象所在区域的密度,选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性。

关 键 词：数据挖掘 聚类 K-MEANS算法 聚类中心

分 类 号：TP39]