一种 K-均值聚类的改进算法及其应用.pdfVIP

第 24卷第 5期 测 绘 工 程 Vo1．24。NO．5 2015年 5月 EngineeringofSurveyingandM apping M ay．2015 一 种 K一均值聚类的改进算法及其应用 江京亚 ，郭庆胜 ，陈 旺 ，周贺杰 ，陈 勇 (1．武汉大学 资源与环境科学学院，湖北 武汉 430079；2．湖北省鄂东地质大队，湖北 孝感 432000) 摘 要：由于传统的K一均值聚类算法固有的特性，如对初始聚类中心的依赖性和对噪声点的敏感性，导致了其聚类 结果的不稳定。文中基于k-dist图提出一种改进算法，算法首先去除数据集中的噪声点，然后从数据集中选取靠近 点聚集区域、相距最远的 个数据点作为初始簇中心。实验结果证明，文中算法能够很好地消除K一均值聚类算法对 初始簇中心的依赖性，并能有效去除噪声点。 关键词：数据挖掘 ；K一均值聚类；第4邻近距离图；初始簇中心；噪声点 中图分类号：TP301．6 文献标识码 ：A 文章编号：1006—7949(201