基于影响空间的初始中心点优化K-means聚类算法
An Optimization K-means Clustering Algorithm of Initial Center Objects Based on Influence Space作者机构：太原科技大学计算机科学与技术学院太原030024
出 版 物：《太原科技大学学报》 (Journal of Taiyuan University of Science and Technology)
年 卷 期：2016年第37卷第5期
页 面：347-353页
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金(41372349) 山西省社会发展攻关项目(20140313023-2) 山西省高校优秀青年学术带头人项目
主 题：K-means算法 影响空间 加权距离吸引因子 初始点优化
摘 要：针对K-means聚类算法依赖初始点、聚类结果受初始点的选取影响较大的缺陷,给出了一种稳定的基于影响空间的初始点优化K-means聚类算法。该算法借助了影响空间数据结构和定义的加权距离吸引因子,将特殊中心点合并为K个微簇,并对微簇中的数据点加权平均得到K个初始中心点,然后执行K-means算法;最后,理论分析和实验结果表明,该初始点优化K-means聚类算法能够有效降低噪声数据对聚类结果的影响,在聚类结果、聚类过程效率方面有较大优势。
维普期刊数据库
同方期刊数据库