文献类型：期刊文章

作　　者：汪中[1,2] 刘贵全[1,2] 陈恩红[1,2]

机构地区：[1]中国科学技术大学计算机科学与技术系,合肥230027 [2]安徽省计算与通讯软件重点实验室,合肥230027

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金资助项目(No.60775037)

年　　份：2009

卷　　号：22

期　　号：2

起止页码：299-304

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、EI(收录号：20092412129651)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对K-means算法所存在的问题,提出一种优化初始中心点的算法.采用密度敏感的相似性度量来计算对象的密度,启发式地生成样本初始中心.然后设计一种评价函数——均衡化函数,并以均衡化函数为准则自动生成聚类数目.与传统算法相比,本文算法可得到较高质量的初始中心和较稳定的聚类结果.实验结果表明该算法的有效性和可行性.

关 键 词：K-MEANS算法 密度  初始中心点  均衡化函数  

分 类 号：TP181]