文献类型：期刊文章

作　　者：周炜奔[1] 石跃祥[1]

机构地区：[1]湘潭大学信息工程学院计算机科学与工程系,湖南湘潭411105

出　　处：《计算机应用研究》

基　　金：湖南省教育厅创新平台开放基金资助项目(11K069);湖南省自然科学基金资助项目(07JJ6115);智能制造湖南省高校重点实验室资助项目(2009IM06)

年　　份：2012

卷　　号：29

期　　号：5

起止页码：1726-1728

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统的K-means算法对于初始聚类中心点和聚类数的敏感问题,提出了一种优化初始聚类中心选取的算法。该算法针对数据对象的分布密度以及计算最近两点的垂直中点方法来确定k个初始聚类中心,再结合均衡化函数对聚类个数进行优化,以获得最优聚类。采用标准的UCI数据集进行实验对比,发现改进后的算法相比传统的算法有较高的准确率和稳定性。

关 键 词：K-均值 数据挖掘 聚类中心 垂直中点  密度  

分 类 号：TP301.6]