一种增量式MinMax k-Means聚类算法

作者：胡雅婷; 陈营华; 宝音巴特; 曲福恒^*; 李卓识

来源：吉林大学学报(理学版), 2021, 59(05): 1205-1211.

DOI：10.13413/j.cnki.jdxblxb.2020233

• k均值聚类
• 增量式聚类
• 初始化
• 聚类中心

针对MinMax k-means算法易产生空解、收敛速度慢和计算效率低的问题,提出一种增量式MinMax k-means聚类算法.该算法从给定的初始聚类个数开始,以固定步长递增式产生新的聚类中心,采用基于数据均衡的快速分裂方法产生增量聚类中心,从而避免了传统增量聚类中心选择中遍历数据、k-means聚类算法运行次数过多导致的大计算量问题.与MinMax k-means及相关算法的对比实验结果表明,该算法在计算效率和求解精度上均优于对比算法,有效改善了MinMax k-means聚类对初始化中心敏感和易产生空解的问题.

• 单位
  长春理工大学; 吉林农业大学