-
题名基于改进的密度峰值算法的K-means算法
被引量：12
- 1
-
-
作者
杜洪波
白阿珍
朱立军
-
机构
沈阳工业大学理学院
北方民族大学信息与计算科学学院
-
出处
《统计与决策》
CSSCI
北大核心
2018年第18期20-24,共5页
-
基金
国家自然科学基金资助项目(61362033)
-
文摘
针对传统K-means算法存在的随机选取初始聚类中心和类簇数目需要人为选定,从而导致聚类结果不稳定,容易陷入局部最优解的问题,文章提出了一种基于改进的密度峰值算法（DPC）的K-means算法,该算法首先采用改进的DPC算法来选取初始聚类中心,弥补了K-means算法初始聚类中心随机选取导致易陷入局部最优解的缺陷;其次运用K-means算法进行迭代,并且引入熵值法计算距离优化聚类。在UCI数据集上的实验表明,该算法得到较好的初始聚类中心和较稳定的聚类结果,并且收敛速度也较快,证明了该算法的可行性。
-
关键词
K-MEANS算法
改进的dpc算法
聚类
熵值法
初始聚类中心
优化聚类
-
Keywords
K-means algorithm
improved dpc algorithm
clustering
entropy method
initial clustering center
optimal clustering
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
