基于最优划分的K-Means初如聚类中心选取算法 |
| |
引用本文: | 张健沛,杨悦,杨静,张泽宝.基于最优划分的K-Means初如聚类中心选取算法[J].系统仿真学报,2009,21(9). |
| |
作者姓名: | 张健沛 杨悦 杨静 张泽宝 |
| |
作者单位: | 哈尔滨工程大学计算机科学与技术学院,哈尔滨,150001 |
| |
摘 要: | 针对传统K-Means算法聚类过程中,聚类数目k值难以准确预设和随机选取初始聚类中心造成聚类精度及效率降低等问题,提出一种基于最优划分的K-Means初始聚类中心选取算法,该算法利用直方图方法将数据样本空间进行最优划分,依据数据样本自身分布特点确定K-Means算法的初始聚类中心,无需预设k值,减少了算法结果对参数的依赖,提高算法运算效率及准确率.实验结果表明,利用该算法改进的K-Means算法,运算时间明显减少,其聚类结果准确率以及算法效率均得到显著提高.
|
关 键 词: | K-Means算法 初始聚类中心 直方图 最优划分方法 |
Algorithm for Initialization of K-Means Clustering Center Based on Optimized-Division |
| |
Abstract: | |
| |
Keywords: | K-Means algorithm initial clustering centers histogram optimized-division method |
本文献已被 万方数据 等数据库收录! |
|