K-means算法初始聚类中心选择的优化

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｔｅｒｉｎｇｐｅｒｆｏｒｍａｎｃｅ，ｇｅｔｓｔａｂｌｅｃｌｕｓｔｅｒｉｎｇｉｎａｈｉｇｈｅｒａｃｃｕｒａｃｙ．Ｋｅｙｗｏｒｄｓ：Ｋ－ｍｅａｎｓａｌｇｏｒｉｔｈｍ；ｃｌｕｓｔｅｒｉｎｇ；ｉｎｉｔｉａｌｃｌｕｓｔｅｒｉｎｇｃｅｎｔｅｒｓ；ＴＤＫＭａｌｇｏｒｉｔｈｍ
文献标志码：Ａ中图分类号：ＴＰ１８１ｄｏｉ：１０．３７７８￣．ｉｓｓｎ．１００２ — ８３３１．１１１１ — ０２８９
ａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０１３，４９（１４）：１８２ — １８５．
Ａｂｓｔｒａｃｔ：ＴｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍｓｔｈａｔｔｈｅｔｒａｄｉｔｉｏｎａｌＫ－ｍｅａｎｓａｌｇｏｒｉｔｈｍｈａｓｓｅｎｓｉｔｉｖｉｔｙｔｏｔｈｅｉｎｉｔｉａｌｃｌｕｓｔｅｒｃｅｎｔｅｒｓ．ａｎｅｗｉｍｐｒｏｖｅｄＫ－ｍｅａｎｓａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．ＴｈｅａｌｇｏｒｉｔｈｍｂｕｉｌｄｓｍｉｎｉｍｕｍｓｐａｎｎｉｎｇｔｒｅｅａｎｄｔｈｅｎｓｐｌｉｔｓｉｔｔｏｇｅｔＫｉｎｉｔｉａｌｃｌｕｓｔｅｒｓａｎｄｔｈｅｒｅｌｅｖａｎｔｉｎｉｔｉａｌｃｌｕｓｔｅｒｃｅｎｔｅｒｓ．Ｔｈｅｉｎｉｔｉａｌｃｌｕｓｔｅｒｃｅｎｔｅｒｓａｒｅｏｕｆｎｄｔｏｂｅｖｅｒｙｃｌｏｓｅｄｔｏｔｈｅｄｅｓｉｒｅｄｃｌｕｓｔｅｒｃｅｎｔｅｒｓｆｏｒｉｔｅｒａｔｉｖｅｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓ．Ｔｈｅｏｙｒａｎａｌｙｓｉｓａｎｄｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｓｃａｎｅｎｈａｎｃｅｔｈｅｃｌｕｓ・
ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用
Ｋ－ｍｅａｎｓ算法初始聚类中心选择的优化
冯波，郝文宁，陈刚，占栋辉
ＦＥＮＧＢｏ，ＨＡＯＷｅｎｎｉｎｇ，ＣＨＥＮＧａｎｇ，ＺＨＡＮＤｏｎｇｈｕｉ
解放军理工大学工程兵工程学院，南京２１０００７
ＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅｏｆＣｏｒｐｓｏｆＥｎｇｉｎｅｅｒｓ，ＰＬＡＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１０００７．Ｃｈｉｎａ
ＦＥＮＧＢｏ，ＨＡＯＷｅｎｎｉｎｇ，ＣＨＥＮＧａｎｇ，ｅｔａ１．ＯｐｔｉｍｉｚａｔｉｏｎｔｏＫ－ｍｅａｎｓｉｎｉｔｉａｌｃｌｕｓｔｅｒｃｅｎｔｅｒｓ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ
摘
要：针对传统Ｋ－ｍｅａｎｓ算法对初始聚类中心敏感的问题，提出了基于数据样本分布情况的动态选取初始聚类中心的改

进Ｋ．ｍｅａｎｓ算法。该算法根据数据点的距离构造最小生成树，并对最小生成树进行剪枝得到个初始数据集合，得到初始的聚类中心。由此得到的初始聚类中心非常地接近迭代聚类算法收敛的聚类中心。理论分析与实验表明，改进的Ｋ－ｍｅａｎｓ算法能改善算法的聚类性能，减少聚类的迭代次数，提高效率，并能得到稳定的聚类结果，取得较高的分类准确率。关键词：Ｋ — ｍｅａｎｓ算法；聚类；初始聚类中心；ＴＤＫＭ算法