一种基于网格的改进的K-Means聚类算法

摘要：

K—Means算法对数据集中的每个数据点进行多次处理，因此对于大数据集时间效率不高．为提高K—Means算法的时间性能并使聚类结果更优，利用网格方法定义了单元密度聚合度概念，提出了一种基于网格的改进的K—Means聚类算法(IKMG)．IKMG利用网格连通性原理并借助树形结构，将多个密集网格单元作为初始根节点，周围网格作为它的子节点，以此类推，广度优先扩展树最终得到K个聚类树．实验结果表明，IKMG不但大大缩短了K—Means算法对大数据集的处理时间，而且能有效消除聚类结果对初始聚类中心的敏感性，无需人为指定K值，能找出不同大小、不同形状的聚类．

关键词： K-Means聚类算法 数据集 网格连通性 树形结构

作者: 任家东 孟丽丽 张冬梅

作者单位: 燕山大学信息科学与工程学院 河北秦皇岛 066004 北京理工大学计算机科学技术学院 北京 100081 燕山大学信息科学与工程学院 河北秦皇岛 066004

会议类型: 国内会议

会议名称: NDBC2009第26届中国数据库学术会议

会议地点: 南昌

会议语种:中文

页码: 453-458

在线出版日期: 2009-10-15（万方平台首次上网日期，不代表论文的发表时间）