您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 自动化计算机 > 自动化理论 > 摘要

K-means算法聚类中心选取

《吉林大学学报:信息科学版》2019年 第4期 | 张朝 郭秀娟 张坤鹏   吉林大学地球探测科学与技术学院 长春130026 吉林建筑大学电气与计算机学院 长春130118
★ 收藏 | 分享
  • 第1页
  • 第2页
  • 第3页
  • 第4页
论文服务:
摘 要:传统K-means算法对于聚类初始点的选取和距离度量的计算异常敏感,因而很可能导致K-means算法只能收敛得到局部最优解。为此,提出一种改进的K-means算法,即K-means聚类算法最优匹配算法,并进行了相关的算法实验分析。该改进算法首先对传统的K-means聚类算法进行初始点的选取,并分析聚类结果。然后,分别从初始聚类中心的选择和距离算法的确定进行实验测试,引入轮廓系数评价聚类效果,分析实验结果可知,K-means聚类算法最优匹配算法具有较好的稳定性和较高的聚类准确率。
【分 类】【工业技术】 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
【关键词】 K-MEANS算法 聚类中心 聚类分析
【出 处】 《吉林大学学报:信息科学版》2019年 第4期 437-441页 共5页
【收 录】 中文科技期刊数据库