文献类型：期刊文章

作　　者：熊忠阳[1] 陈若田[1] 张玉芳[1]

机构地区：[1]重庆大学计算机学院,重庆400044

出　　处：《计算机应用研究》

基　　金：重庆市科委基金资助项目(2008BB2191)

年　　份：2011

卷　　号：28

期　　号：11

起止页码：4188-4190

语　　种：中文

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

摘　　要：传统K-means算法由于随机选取初始聚类中心,使得聚类结果波动性大;已有的最大最小距离法选取初始聚类中心过于稠密,容易造成聚类冲突现象。针对以上问题,对最大最小距离法进行了改进,提出了最大距离积法。该方法在基于密度概念的基础上,选取到所有已初始化聚类中心距离乘积最大的高密度点作为当前聚类中心。理论分析与对比实验结果表明,此方法相对于传统K-means算法和最大最小距离法有更快的收敛速度、更高的准确率和更强的稳定性。

关 键 词：K-均值算法 基于密度 初始聚类中心 最大最小距离  最大距离积  

分 类 号：TP311.13]