一种改进的K平均聚类算法  

An improved clustering algorithm of K-means

作　　者：王全[1] 杨国梁[1] 

机构地区：[1]西安工业大学,陕西西安710032

出　　处：《国外电子元器件》2008年第9期73-74,共2页International Electronic Elements

摘　　要：典型K平均算法中的聚类数k必须是事先给定的确定值,然而实际中很难精确确定,因而无法解决该核算法的实际问题。为此,提出距离代价函数作为最佳聚类数的有效性检验函数,建立了相应的数学模型,并据此提出了一种改进的k值优化算法。实验证明,与传统基于平均值方法实现数据聚类相比,用改进K值优化算法有效提高数据聚类效果。The value of k must be confirmed in advance to exert K-means algorithm.However, it can not be clearly and easily confirmed in fact for its uncertainty.This paper recommends a distance cost function based on Euclidean distance to confirm the optimal class number, sets up a corresponding math model and proposes an improved algorithm of k value. The experiments show that,the modified data clustering algorithm can improve the efficiency of data clustering.

关 键 词：算法/平均聚类算法 空间数据挖掘 

分 类 号：TP306.1[自动化与计算机技术—计算机系统结构]