基于最小距离的k－means初始中心点优化算法  

OPTIMIZED ALGORITHM OF k-MEANS INITIAL CENTER BASED ON THE MINIMUM DISTANCE

作　　者：齐绪停 刘丽[1] 

机构地区：[1]山东师范大学信息科学与工程学院,济南250014

出　　处：《山东师范大学学报（自然科学版）》2015年第1期38-40,共3页Journal of Shandong Normal University(Natural Science)

基　　金：国家自然科学基金资助项目（61170145，61373081）；教育部博士点基金资助项目（20113704110001）；山东省自然科学基金资助项目（ZR2010FM021）；山东省科技攻关计划项目（2013GGX10125）．

摘　　要：作者针对传统k－means初始点的选择提出基于最小距离的优化算法。首先构造数据点集的带权无向图，更新数据点间的最小距离，然后利用最小距离获取数据点的密度函数，通过数据点的密度获取初始聚类中心，最后根据带权无向图中的路径长度获取邻近数据点形成初始聚类，对初始聚类内的数据点平均得到该类簇的聚类中心。实验结果表明，在相同的条件下所提算法在聚类效果上优于传统的k－means算法。The proposed method in this paper is based on minimum distance algorithm for optimized selectionof the traditional k -means initial point.We first construct a weighted undirected graph of data sets,updateminimum distance between data points,then use the minimum distance to obtain the density function of datapoints,obtaining the initial cluster center through the density of data points,finally,according to the path length ofweighted undirected graph,obtain the neighboring data points to form the initial clustering.The initial clustering ofthe data points within the average obtained the clustering centers.Experimental results show that,under the sameconditions,the algorithm is better than conventional k -means clustering algorithms.

关 键 词：K-MEANS 聚类中心 带权无向图 最小距离 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]