基于数据密集性的自适应K均值初始化方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：K均值聚类算法在数据挖掘、机器学习领域被广泛应用。但其初始聚类中心的选取对整个聚类效果会产生很大的影响，因此，如何合理地初始化K均值聚类算法成为重要的研究方向。提出一种基于数据内在密集性的自适应初始聚类中心选取方法。该方法分为两个过程，第一个过程给出数据密集性的定义，并基于数据密集性选出满足条件的候选初始聚类中心，第二个过程是对选出的候选初始中心进行后处理，使其个数与数据类一致。实验证明，提出的方法有如下优势：1）能够自主发现数据集中数据分布的密集性，并能够合理找出初始聚类中心；2）对离群点和噪声鲁棒；3）减少了K均值聚类算法的迭代步骤；4）易于实现。

原文链接:http://www.cqvip.com//QK/90976X/201402/48562934.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：cqvip 聚类算法 研究方向 学术交流 数据分布 聚类 K均值 初始化 初始聚类中心选取