典型文献
基于初始聚类中心选取的改进K-means算法
文献摘要：
基于传统的K-均值(K-means)聚类算法,提出了一种通过优化初始聚类中心选取的改进K-均值聚类算法.改进之后的方法,首先计算所有数据中任意两点间的欧氏距离,通过比较距离大小,选取最小时的其中一点作为第1个初始聚类中心,在剩余的数据中,选择尽可能远离该点的数据点作为第2个初始聚类中心,依此类推,直至找到需要的 k个点,然后再根据K-均值聚类算法迭代更新聚类中心,当达到最大迭代次数时停止.使用误差平方和(SSE)作为算法的评估标准,通过实验可知,提出的方法与传统的K-means聚类算法相比稳定性和准确率等方面有所提高.
文献关键词：
K-means算法;初始聚类中心选取;最小距离;SSE
中图分类号：
作者姓名：
陶永辉;王勇
作者机构：
上海电力大学计算机科学与技术学院 上海200090
文献出处：
引用格式：
[1]陶永辉;王勇-.基于初始聚类中心选取的改进K-means算法)[J].国外电子测量技术,2022(09):54-59
A类：
B类：
初始聚类中心选取,means,聚类算法,均值聚类,计算所,两点,欧氏距离,据点,依此类推,迭代更新,迭代次数,平方和,SSE,评估标准,最小距离
AB值：
0.243648
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。
