一种改进的K-means聚类算法  

An Improved K-means Clustering Algorithm

作　　者：王勇[1] 刘建平[1] 蔡长霞[1] 

机构地区：[1]浙江理工大学信息电子学院,浙江杭州310018

出　　处：《工业控制计算机》2010年第8期91-93,共3页Industrial Control Computer

摘　　要：聚类是数据挖掘中的一种重要数据分析方法,K-means是一种基于划分的聚类算法。针对K-means算法中每次调整簇中心后确定新的簇中心需要大量的距离计算,提出一种利用簇中心的变化信息来确定新簇中心的方法,通过从动态簇中心集中选取候选集的方法减少了过滤算法的计算复杂度。理论分析表明,此算法在每一个迭代阶段能有效的减少距离计算数和计算时间。当数据集越大,维度越高时,算法的优越性越显著。Clustering is an important data analysis method in data mining,K-means is a clustering algorithm based on partition. Aiming at the problem of K-means algorithm that each of the adjustments in the cluster center to determine the new cluster center requires a lot of distance calculation,proposes a new method by means of the information of cluster displacements to determine the new center,this paper reduce the computational complexity of filtering algorithm according to selecting candidates from the set of active cluster centers.

关 键 词：数据挖掘 K-MEANS算法 簇中心 动态簇 距离计算数 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]