对K-means聚类算法初始值的研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：传统的K-means聚类算法属于典型的基于划分聚类算法，算法的实现过程简单易懂，聚类效果不错，因此被广泛使用。但是，因为传统K-means的初始值是随机选定的，使得聚类结果不稳定，受初始值影响较大。针对上述问题，该文对传统的K-means算法中随机选取初始值改进，对样本值增加进行预处理，首先对样本值多次取数，对采样数据集进行初次K-means运算后获得聚类结果，从聚类结果中取距离最大的[k]个聚类中心作为初始值。（剩余4719字）

试读结束

目录
monitor