一种K-均值聚类的改进算法  

作　　者：郭德超[1] 胡昌盛[1] 

机构地区：[1]广州中医药大学经管学院

出　　处：《科学时代》2013年第23期-,共3页SCIENCE TIMES

摘　　要：聚类分析是一种无监督的学习方法，是数据挖掘领域进行数据处理的重要分析工具和方法。K-均值聚类算法是一种典型的基于划分的方法，该方法的主要优点是，算法思想简单易行、快速而高效；但是该方法也存在其固有的缺陷：要求预先给定聚类个数；容易陷入局部极小值而得不到全局最优解等。针对以上问题，利用分类领域中的特征选择及特征加权方法，提出了一种改进的特征加权 K-均值聚类算法。实验结果证明，所提出的算法能产生质量较高的聚类结果。

关 键 词：聚类分析 K-均值算法 特征加权 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术] O15[理学—数学]