基于均值与最大距离乘积的初始聚类中心优化K_means算法.pdfVIP

总第 期 ３０５ 计算机与数字工程 Ｖｏｌ．４３Ｎｏ．３ ｏｍ ｕｔｅｒ＆ Ｄｉ ｉｔａｌＥｎ ｉｎｅｅｒｉｎ ３７９ Ｃ 　 　 年第 期 ｐ 　 ｇ 　 ｇ ｇ ２０１５ ３ 基于均值与最大距离乘积的 初始聚类中心优化Ｋ ｍ 算法＊ － ｅａｎｓ 段桂芹 （ ） 广东松山职业技术学院计算机系 韶关 ５１２１２６ 　 　 、 、 摘 要 针对 算法随机选择初始聚类中心所出现的样本聚类结果随机性强 稳定性低 容易陷入局部最优和 Ｋ ｅａｎｓ ｍ 　 　 － ， 。 得不到全局最优解等问题 提出一种基于均值与最大距离乘积的初始聚类中心优化 Ｋ 算法 该算法首先选择距离 ｅａｎｓ ｍ － ， 样本集均值最远的数据对象加入聚类中心集合 再依次将与样本集均值和当前聚类中心乘积最大的数据对象加入聚类中 。 ， ， 心集合 标准数据集上的实验结果表明 与原始Ｋ 的算法以及另一种改进算法相比 新提出的聚类算法具有更高的 ｅａｎｓ ｍ － 准确率。 关键词 ； ； ； Ｋ 聚类算法 均值 最大距离乘积 数据挖掘 ｅａｎｓ ｍ 　 － 中图分类号 ： ／ ＴＰ３０１．６ ＯＩ １０．３９６９ ．ｉｓｓｎ１６７２ ７２２．２０１５．０３．００８ Ｄ ９ 　 　 － 　 ｊ