一种新的选取初始聚类中心的K-means算法

作者：董秋仙; 朱赞生^*

来源：统计与决策, 2020, 36(16): 32-35.

DOI：10.13546/j.cnki.tjyjc.2020.16.007

• K-means算法
• 初始聚类中心
• 相异度参数

文章在2014年提出的K-means初始聚类中心选取算法的基础上进行改进。通过计算样本间的相异度函数,求出每个样本的相异度参数,选取最大相异度参数值所对应的样本作为初始聚类中心。当最大相异度参数不唯一时,提出了一种合理选取最大相异度参数值的解决方案,依次求出K个初始聚类中心,由此提出了一种选取初始聚类中心的改进算法。实验证明,所提出的改进算法与原算法相比具有更高的准确率,并且明显减少了迭代次数。

• 单位
  南昌大学理学院