文献类型：期刊文章

作　　者：谢娟英[1] 王艳娥[1]

机构地区：[1]陕西师范大学计算机科学学院,西安710062

出　　处：《计算机工程》

基　　金：国家自然科学基金资助项目(31372250);陕西省科技攻关计划基金资助项目(2013K12-03-24);中央高校基本科研业务费专项基金资助项目(GK201102007)

年　　份：2014

卷　　号：40

期　　号：8

起止页码：205-211

语　　种：中文

收录情况：AJ、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、普通刊

摘　　要：传统K-means算法随机选取初始聚类中心,容易导致聚类结果不稳定,而优化初始聚类中心的K-means算法需要一定的参数选择,也会使聚类结果缺乏客观性。为此,根据样本空间分布紧密度信息,提出利用最小方差优化初始聚类中心的K-means算法。该算法运用样本空间分布信息,通过计算样本空间分布的方差得到样本紧密度信息,选择方差最小(即紧密度最高)且相距一定距离的样本作为初始聚类中心,实现优化的K-means聚类。在UCI机器学习数据库数据集和含有噪音的人工模拟数据集上的实验结果表明,该算法不仅能得到较好的聚类结果,且聚类结果稳定,对噪音具有较强的免疫性能。

关 键 词：聚类 K-MEANS算法 方差  紧密度  初始聚类中心

分 类 号：TP18]