基于改进的密度峰值算法的K-means算法

作者：杜洪波; 白阿珍; 朱立军

来源：统计与决策, 2018, 34(18): 20-24.

DOI：10.13546/j.cnki.tjyjc.2018.18.004

• K-means算法
• 改进的DPC算法
• 聚类
• 熵值法
• 初始聚类中心
• 优化聚类

针对传统K-means算法存在的随机选取初始聚类中心和类簇数目需要人为选定,从而导致聚类结果不稳定,容易陷入局部最优解的问题,文章提出了一种基于改进的密度峰值算法(DPC)的K-means算法,该算法首先采用改进的DPC算法来选取初始聚类中心,弥补了K-means算法初始聚类中心随机选取导致易陷入局部最优解的缺陷;其次运用K-means算法进行迭代,并且引入熵值法计算距离优化聚类。在UCI数据集上的实验表明,该算法得到较好的初始聚类中心和较稳定的聚类结果,并且收敛速度也较快,证明了该算法的可行性。

• 单位
  北方民族大学; 沈阳工业大学