K-means初始聚类中心优化算法研究  

Research on K-means initial clustering center optimal algorithm

作　　者：毛韶阳[1] 李肯立[1] 

机构地区：[1]湖南大学计算机与通信学院

出　　处：《重庆邮电大学学报（自然科学版）》2007年第4期422-425,共4页Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition)

基　　金：国家自然科学基金项目(60603053;60274026;60373089;60403002);教育部重点项目(05128)

摘　　要：由于K-means算法对初始中心的依赖性而导致聚类结果可能陷入局部极小,而采用密度函数法的多中心聚类并结合小类合并运算的聚类结果明显优于K-means的聚类结果。该算法的每一次迭代都是倾向于发现超球面簇,尤其对于延伸状的不规则簇具有良好的聚类能力。Since the dependence of K-means algorithm on the initial center may sink into the local minimum, the experimental result of the multi-seed clustering based on the density function method and merging small cluster obviously surpasses that of K-means clustering. Every iteration of this algorithm inclines to discover hyper-sphere cluster. The algorithm has better clustering ability especially for irregular and extendable clusters.

关 键 词：聚类分析 K—means 多中心聚类算法 小类合并 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]