文献类型：期刊文章

作　　者：张靖[1] 段富[1]

机构地区：[1]太原理工大学计算机科学与技术学院,山西太原030024

出　　处：《计算机工程与设计》

基　　金：山西省科技攻关基金项目(20080322008);山西省自然科学基金项目(2008011039)

年　　份：2013

卷　　号：34

期　　号：5

起止页码：1691-1694

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD_E2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：传统k-means算法随机选取初始聚类中心使聚类结果不稳定,诸多优化算法的时间复杂度较高,为了提高聚类稳定性并降低时间复杂度,提出了基于个体轮廓系数自适应地选取优秀样本以确定初始聚类中心的改进k-means算法。该算法多次调用传统k-means算法聚类,根据k个类中心的个体轮廓系数以及各样本与类中心的距离,自适应地选取优秀样本,求其均值作为初始聚类中心。在多个UCI数据集上的实验表明,该算法聚类时间短,具有较高的轮廓系数和准确率。

关 键 词：聚类 K均值算法 初始聚类中心 个体轮廓系数  自适应

分 类 号：TP301.6]