基于随机扰动的K-Means聚类中心优化方法 |
| |
引用本文: | 孙利雷,秦进.基于随机扰动的K-Means聚类中心优化方法[J].贵州大学学报(自然科学版),2016(4):90-94. |
| |
作者姓名: | 孙利雷 秦进 |
| |
作者单位: | 贵州大学计算机科学与技术学院 |
| |
基金项目: | 贵州大学引进人才科研项目资助(2012028) |
| |
摘 要: | 针对K-Means算法对初值敏感和容易陷入局部最优的缺点,本文提出一种基于概率的随机扰动聚类中心优化算法。首先,每次迭代后重新计算聚类中心,以聚类中心为圆心向外搜索一定邻域内的点,将聚类中心以概率随机定位到邻域内的某个点上,称该点为物理中心点;之后,选定的物理中心点以一定速率向聚类中心方向移动一定距离,计算出的位置即为新的聚类中心;最后,根据欧氏距离重新划分数据集。该算法通过概率扰动方式使聚类中心不再固定为某一点,而将其中心扩大到一定区域,搜索该区域内的最优解,从而极大地避免了K-Means算法陷入局部最优的可能;并且,即使计算进程已经陷入局部最优,优化后的算法也可以通过最优区域搜索,以一定概率的机会跳出局部最优。
|
关 键 词: | 概率 随机扰动 聚类中心 K-Means |
本文献已被 CNKI 等数据库收录! |
|