文献类型：期刊文章

作　　者：夏长辉[1,2]

Xia Changhui(School of Computer Science,North China University of Technology,Beijing 100144,China;Department of Information Engineering,Shougang Institute of Technology,Beijing 100144,China)

机构地区：[1]北方工业大学计算机学院,北京100144 [2]首钢工学院信息工程系,北京100144

出　　处：《信息与电脑》

年　　份：2017

卷　　号：29

期　　号：14

起止页码：40-42

语　　种：中文

收录情况：普通刊

摘　　要：K-means算法是一种应用非常广泛的聚类算法,它有很多优点,比如操作简单、效率很高、伸缩性较好,但也存在一些不足,比如聚类个数需要人工输入、初始聚类中心随机产生可能导致局部最优解、孤立点对聚类结果会产生较大影响等。笔者主要针对K-means算法的K值获取和初始聚类中心的选取对算法进行改进,并通过实验对比了原算法和改进算法,实验表明改进算法在聚类准确率和质量方面都优于原算法。

关 键 词：数据挖掘 K-MEANS算法 K值  初始聚类中心

分 类 号：TP311.13]