K-means聚类中心的鲁棒优化算法.pdfVIP

2015年 9月 计算机工程与设计 Sep．2015 第 36卷 第9期 COMPUTER ENGINEERING AND DESIGN Vo1．36 No．9 K—means聚类中心的鲁棒优化算法 罗 倩 (北京信息科技大学 信息与通信工程学院，北京 100192) 摘 要：针对K-means算法对随机选择的初始聚类中心敏感且聚类结果不稳定、准确率不高的问题 ，提 出一种基于邻域数 据距离加权的聚类中心鲁棒优化算法。通过建立数据密度约束将聚类中心优化在数据密集区域，有效克服 K-means算法聚 类结果稳定性差等问题 。通过对仿真数据和标准数据集的实验，验证 了采用该算法收敛的聚类 中心非常接近标准数据集的 实际中心，具有较优的聚类准确性、鲁棒性和收敛速度。 关键词：K-means聚类算法；初始聚类中心；邻域距离加权 ；聚类优化 ；鲁棒算法 中图法分类号：TP301．6 文献标识号：A 文章编号 ：100