K-means算法聚类中心选取

作者：张朝; 郭秀娟^*; 张坤鹏^*

来源：吉林大学学报(信息科学版), 2019, 37(04): 437-441.

DOI：10.19292/j.cnki.jdxxp.2019.04.011

• K-means算法
• 聚类中心
• 聚类分析

传统K-means算法对于聚类初始点的选取和距离度量的计算异常敏感,因而很可能导致K-means算法只能收敛得到局部最优解。为此,提出一种改进的K-means算法,即K-means聚类算法最优匹配算法,并进行了相关的算法实验分析。该改进算法首先对传统的K-means聚类算法进行初始点的选取,并分析聚类结果。然后,分别从初始聚类中心的选择和距离算法的确定进行实验测试,引入轮廓系数评价聚类效果,分析实验结果可知,K-means聚类算法最优匹配算法具有较好的稳定性和较高的聚类准确率。

• 出版日期2019
• 单位吉林建筑大学; 吉林大学