基于优化初始聚类中心和轮廓系数的 K-means 聚类算法 |
| |
作者姓名: | 孙林 刘梦含 徐久成 |
| |
作者单位: | 河南师范大学计算机与信息工程学院,河南新乡 453007;智慧商务与物联网技术河南省工程实验室,河南新乡 453007;河南师范大学计算机与信息工程学院,河南新乡 453007 |
| |
基金项目: | 国家自然科学基金资助项目(62076089;61772176;61976082);;河南省科技攻关项目(212102210136); |
| |
摘 要: | 传统K-means聚类算法初始聚类中心以及聚类数目K是随机确定的,聚类结果受其影响较大,这样容易造成聚类结果不稳定且准确率较低.针对上述问题,本文提出一种基于优化初始聚类中心和轮廓系数的K-means聚类算法.首先,为了选出准确的初始聚类中心,引入平均样本距离和误差平方和,构造初始聚类中心的选取方法,使得选取的初始聚类...
|
关 键 词: | K-means算法 聚类中心 K值 中位数 轮廓系数 |
本文献已被 万方数据 等数据库收录! |
|