基于SOFM网络的改进K-均值聚类算法  

Improved K-Means Clustering Algorithm Based on SOFM

作　　者：丁春荣[1] 杨宝华[1] 

机构地区：[1]安徽农业大学信息与计算机学院,合肥230036

出　　处：《科技导报》2009年第10期61-63,共3页Science & Technology Review

基　　金：安徽省高校省级自然科学基金项目(KJ2007B158)

摘　　要：针对传统的K-均值聚类算法中随机选取初始聚类中心的缺陷,提出一种改进的K-均值聚类算法,利用自组织特征映射网络(SOFM)自动获得初始聚类中心。实验结果表明,改进的K-均值聚类算法能有效改善聚类性能,提高聚类的准确率。In view of the shortcomings of traditional K-means algorithm in not being able to select the initial clustering center automatically, a new improved K-means clustering algorithm is proposed, which obtains the initial clustering center by using Self- Organizing Feature Map （SOFM） automatically. Experimental results demonstrate that the improved K-means algorithm can improve the clustering performance effectively and enhance the clustering accuracy.

关 键 词：K-均值聚类 自组织特征映射网络 聚类中心 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]