科研之友
微信
新浪微博
Facebook
分享链接
摘要
聚类分析是数据挖掘的重要技术，而在5G时代，海量的数据维度高、数据集大，利用K-means算法易受离群点的影响，且K值、初始聚类中心的选取影响聚类结果的稳定性和准确率，甚至导致聚类陷入局部最优，对K-means算法的改进受到众多研究者的关注。主要对K-means聚类的研究现状进行归纳总结。首先，介绍K-means算法的思想原理；其次，针对初始聚类中心点的选取、K值确定、离群点对现有改进算法进行基于密度和距离的分类总结，并对各个改进算法的优势和缺陷进行分析；最后对K-means算法未来可能的研究方向和趋势进行展望。
- 出版日期2022
- 单位华东交通大学
