基于K-最近邻居图划分的聚类中心初始化算法

摘要：

传统的k-means算法随机选择初始聚类中心，而初始聚类中心的选择对最终的聚类结果有着直接的影响，因此算法不能保证得到一个唯一的聚类结果。为消除这种影响，提出了一种基于K-最近邻居图的划分来选择初始聚类中心算法。实验表明，本文算法能够有效减少K-means算法的迭代次数，提升聚类精度。

关键词： 聚类中心 最近邻居 初始化算法 随机选择 聚类精度

作者: 吴继兵 李心科

作者单位: 合肥工业大学计算机与信息学院,安徽合肥 230009 安徽工业职业技术学院,安徽铜陵 244000 合肥工业大学计算机与信息学院,安徽合肥 230009

会议类型: 国内会议

会议名称: 全国第20届计算机技术与应用(CACIS)学术会议

会议地点: 南宁

会议语种:中文

页码: 395-398

在线出版日期: 2009-07-17（万方平台首次上网日期，不代表论文的发表时间）