科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对K-means算法易受初始值和异常点影响，以及聚类数选取依靠人工经验和初始聚类中心选取随机等缺点，提出一种基于改进Canopy算法的K-means聚类算法。首先将初始数据集进行预处理和分类，然后选取特殊的阈值利用改进的Canopy算法得到聚类数和初始聚类中心，再运行K-means算法实现最终聚类。经检验得知，改进后的算法减少了对人工选择的依赖，并且聚类准确度有了明显的提高。最后将改进后的算法应用于顾客细分实例，取得了良好的分类效果，证明了优化算法的实用性。
- 出版日期2023
- 单位华南农业大学
