基于确定初始簇心的优化K-means算法  

作　　者：岳珊 雍巧玲 

机构地区：[1]喀什大学计算机科学与技术学院

出　　处：《数字技术与应用》2023年第11期140-142,共3页Digital Technology & Application

基　　金：喀什大学校内课题((2021)2742);喀什大学教研教改课题(KJBY2201)。

摘　　要：考虑到K-means聚类算法在聚类过程中同等地看待每个特征维度、簇心的初始选取是随机的等问题,采用优化K-means算法SVD-Kmeans。首先对高维样本数据采用奇异值分解方法,在最大限度保证原始样本数据特征的前提下进行降维处理,每个样本降维后得到一个二维指标值,再使用初始簇心求解模型确定初始簇心的选取,最后通过K-means算法进行聚类求解,形成最终模型。通过在同一数据集上实验发现,采用SVD-Kmeans算法相较传统K-means聚类算法准确率提高34.24%左右。

关 键 词：簇心 数据特征 奇异值分解方法 特征维度 降维处理 SVD 原始样本 聚类过程 

分 类 号：TP3-05[自动化与计算机技术—计算机科学与技术]