K—Means聚类算法的研究.pdfVIP

第21卷 第2期 计 算 机 技 术 与 发 展 V01．2l No．2 2011年2月 COMPUTE：RTECHNOLOGY AND DEVELOPMENT Feb． 2011 K—Means聚类算法的研究 周爱武，于亚飞 (安徽大学 计算机科学与技术学院，安徽 合肥 230039) 摘 要：K—Means算法是一种经典的聚类算法，有很多优点，也存在许多不足。比如初始聚类数 K要事先指定，初始聚类 中心选择存在随机性，算法容易生成局部最优解 ，受孤立点的影响很大等。文中主要针对K—Means算法初始聚类 中心的 选择以及孤立点问题加以改进 ，首先计算所有数据对象之间的距离 ，根据距离和的思想排除孤立点的影响，然后提出了一 种新的初始聚类中心选择方法，并通过实验比较了改进算法与原算法的优劣。实验表明，改进算法受孤立点的影响明显 降低 ，而且聚类结果更接近实际数据分布。 关键词 ：K—Means算法 ；初始聚类中心；孤立点 中图分类号：TP301．6 文献标识码：A 文章编号：1673—629X(2011)02—0062-04 TheResearch aboutClusteringAlgorithm ofK-M eans ZHOU Ai—wu．YU Ya—fei (CollegeofComputerScienceandTechnology，AnhuiUniversity，Hefei230039，China) Abstract：Thealgorithm ofK-meansisonekindofclassical clusteringalgorithm ，includingbothmanypointsandalsoshortages．For examplemustchoosetheinitialclusteringnumber．Thechooseofinitialclusteringcentrehasrnadomness．Thealgorihtm receiveslocallY optimalsolutioneasily，theeffectofisolatedpointisserious．Mainlyimprovedthechoiceofinitialclusteringcenrteandhteproblem of isolatedpoint．Firstofall，thealgorithm calculateddistancebetweenalldatanadeliminatedtheeffcetofisolatedpoint．Thenproposedone new methodforchoosingtheinitialclusteringcentrenadcomparedthealgorithm havingimprovednadtheoriginal algorihtm usinghte experiment．Theexperimentsindicatethathteeffectofisolatedpointforalgorihtm havingimprovedreducesobviously，theresultsofclus— teringapproachhteactual distributionofhtedata Keywords：K-Me皿Is：initialclusteringcentre：isolatedpoint 聚类分析是数据挖掘领域中重要的研究课题，用 对所有数据点进行分类，最后计算每个聚类的平均值 于发现大规模数据集中未知的对象类。它广泛地应用 调整聚类中心，不断的迭代循环。最终使类内对象相 于文本搜索、模式识别、人工智能、图像分析川等领域。 似性最大，类问对象相似性最小川。具体的流程如下： 目前已经存在许多的聚类算法