典型文献
对K-means聚类算法初始值的研究
文献摘要：
传统的K-means聚类算法属于典型的基于划分聚类算法,算法的实现过程简单易懂,聚类效果不错,因此被广泛使用.但是,因为传统K-means的初始值是随机选定的,使得聚类结果不稳定,受初始值影响较大.针对上述问题,该文对传统的K-means算法中随机选取初始值改进,对样本值增加进行预处理,首先对样本值多次取数,对采样数据集进行初次K-means运算后获得聚类结果,从聚类结果中取距离最大的k个聚类中心作为初始值.通过Iris数据集对改进算法进行验证,聚类效果有较好的提高.
文献关键词：
聚类分析;K-means算法;初始值优化
中图分类号：
作者姓名：
蒋林岑;樊晓唯;刘向东
作者机构：
江苏省教育厅工业软件工程技术研究开发中心,江苏南京210023;南京工业职业技术大学,江苏南京210023
文献出处：
引用格式：
[1]蒋林岑;樊晓唯;刘向东-.对K-means聚类算法初始值的研究)[J].电脑知识与技术,2022(11):95-97
A类：
初始值优化
B类：
means,法属,划分聚类算法,实现过程,单易,易懂,不错,加进,采样数据,聚类中心,Iris,改进算法
AB值：
0.296026
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
