文献类型：期刊文章

作　　者：韩凌波[1] 王强[2] 蒋正锋[2] 郝志强[2]

机构地区：[1]中共湛江市委党校理论信息室,广东湛江524032 [2]广西师范大学计算机科学与信息工程学院,广西桂林541004

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金 No.60463003;广西科学基金项目(No.桂科自0640067);广西研究生教育创新计划项目(No.2007106020812M73)~~

年　　份：2010

卷　　号：46

期　　号：17

起止页码：150-152

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在传统的k-means聚类算法中,聚类结果会随着初始聚类中心点的不同而波动,针对这个缺点,提出一种优化初始聚类中心的算法。该算法通过计算每个数据对象的密度参数,然后选取k个处于高密度分布的点作为初始聚类中心。实验表明,在聚类类别数给定的情况下,通过用标准的UCI数据库进行实验比较,发现采用改进后方法选取的初始类中心的k-means算法比随机选取初始聚类中心算法有相对较高的准确率和稳定性。

关 键 词：K-MEANS算法 聚类中心 密度参数  

分 类 号：TP311.12]