基于min-max准则与区域划分的I-k-means-+聚类算法

作者：曲福恒; 宋剑飞; 杨勇^*; 胡雅婷; 潘曰涛

来源：吉林大学学报(理学版), 2023, 61(05): 1131-1138.

DOI：10.13413/j.cnki.jdxblxb.2022482

• 聚类分析
• k-means算法
• I-k-means-+算法
• min-max准则
• 区域划分

针对I-k-means-+算法聚类结果不稳定、求解精度较低的问题，提出一种基于min-max准则与区域划分的I-k-means-+聚类算法.首先，提出min-max准则，计算每个数据点到最近中心的距离，优先选择距离最大的数据点作为新的聚类中心，避免多个初始中心聚集在同一个簇中的情况；其次，将分裂簇中的数据点分割到不同区域，在每个区域中选取一个数据点作为候选中心，以增加候选中心的多样性；最后，对于配对失败的簇，通过增益重新选择新的分裂簇与原删除簇再次配对，以提高配对成功率，进一步降低目标函数值.实验结果表明，与I-k-means-+算法相比，本文算法在运行效率基本相当的前提下，求解精度平均提高6.47%,且聚类结果更稳定；与k-means、k-means++算法相比，本文算法的求解精度更高.

• 单位
  吉林农业大学; 长春师范大学; 教育学院; 长春理工大学