科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统K均值聚类算法对初始值敏感、易陷入局部极值点，导致数据分类结果不理想的问题，本文提出一种基于犹豫模糊Canopy-K均值聚类算法。首先利用Canopy算法对原始数据进行初步分类，形成多个数据重合的Canopy中心集合，即得到K均值算法的初始聚类中心。然后再利用K均值聚类算法进行聚类，得到最终的聚类结果。最后结合疫情后复工复产企业评价信息数据进行实例分析，从6个方面对复工复产的5个企业发展情况进行评估。将新提出的算法和基于层次分析的K均值聚类算法进行对比分析。结果表明，新提出的方法较大地减少了迭代次数，聚类结果更加合理、稳定和有效。
- 单位
