使用DPG算法优化K-means初始聚类中心

作者：何洪磊

来源：信息与电脑(理论版), 2022, 34(04): 73-75.

• K-means
• 聚类
• DPG
• 优化算法

传统K-means算法具有速度快的优点,但是其初始聚类中心的随机性导致聚类结果不稳定、聚类精度较差。它的改进算法K-means++也有同样的问题。文章提出了一种基于密度峰值网格(Density Peak Grid,DPG)的K-means初始聚类中心优算法,该算法综合了网格分析的高效性和密度峰分析的准确性。在人工模拟数据集和UCI数据集上的实验结果表明,本文算法比传统的K-means和K-means++聚类效果更好,聚类速度更快。

• 单位
  连云港职业技术学院