一种具有优良抗噪性能的初始聚类质心选择算法.pdfVIP

第41卷第6A期 计算机科学 VoL41No．6A 2014 Science June 2014年6月 Computer 一种具有优良抗噪性能的初始聚类质心选择算法 马仕玉李益才蓝章礼 (重庆交通大学信息科学与工程学院 重庆400074) 摘要K-means算法由于其固有的初始聚类质心敏感性，存在聚类结果不稳定、容易收敛到局部最优等f--I题。现有 改进方案在处理无噪数据集时能够在降低迭代次数的同时得到近似全局最优解，但在处理有噪数据集时容易陷入局 部最优，甚至聚类效果低于传统的K-means算法。在最远空间距离确定初始质心算法的基础上，提出一种基于空间 距离差的初始质心选择算法。该算法的核心思想是通过计算非聚类质心点到已选质心的距离和，并排序，选取相邻距 离差最大的两点中靠近已知质心的点作为下一个簇的初始质心而实现的。实验结果表明，所提算法在聚类迭代次数 相当的情况下，对不合噪声数据集的聚类准确度增加约1％，对于含有噪声的数据集，聚类准确度达到90％以上。 关键词K-means算法，初始质心，空间距离差，噪声数据 中图法分类号TP391文献识别码A Difference NovelAnti-noiseK-means Basedon Distance AlgorithmSpatial MA LIYi-caiLAN Shi-yu Zhang-li ofInformationScienceand 400074，China) (College Engineering，ChongqingJiaotongUniversity，Chongqing Al葛tractDuetotheinherentinitial center ofK-means exists re- clusteringsensitivity algorithm，itproblemsincluding can thenumberof suit and tofallintolocal current schemesreduce instabilitybeingeasy optimum．Theimprovement andobtainan solutionwhendealwithnoise-freedatasets．Butfor datasets， iteration approximateglobaloptimal noisy K-means itwouldbe tofallintolocal the resultislowerthantraditional clustering algorithm．Based easy optimum，and thatcanfindinitial cente