一种改进的全局K_均值聚类算法.pdfVIP

第38 卷 第2 期 陕西师范大学学报( 自然科学版) Vol. 38 N o. 2 2010 年3 月 Journal of Shaanxi Normal U niversity ( Natural Science E ition) M ar. 2010 : 1672-4291( 2010) 02-0018-05 K- 1,2 1 1 1 2 谢娟英 , 蒋 帅 , 王春霞, 张 琰, 谢维信 ( 1 , 710062; 2 , 710071) : 将快速K 中心点聚类算法确定初始中心点的 想应用于全局K-均值聚类算法, 对其选取 下一 个簇的最佳初始中心的方法进行改进, 提出选取下一 个簇的最佳初始中心的一种新方法. 该新 方法选择一 个周围样本分布相对密集, 且距离现有簇的中心比较远的样本为下一 个簇的最佳初始 中心, 得到一种改进的全局K-均值聚类算法. 改进后的算法不仅可以避免将噪音点作为下一 个簇 的最佳初始中心点, 而且在不影响聚类效果的基础上缩短了聚类时间. 通过 UCI 机器学习数据库 数据以及随机生成的人工模拟数据实验测试, 证明改进的全局K-均值聚类算法与全局K-均值聚 类算法及快速全局K-均值聚类算法相比在聚类时间上更优越. :K-均值; 全局K-均值; 快速全局K-均值; K 中心点法 : TP 18 : A An improved global K-means clustering algorithm 1, 2 1 1 1 2 XIE Juan-ying , JIA NG Shuai , WA NG Chun-xia , ZHANG Yan , XIE We-i xin ( 1 College of Computer Science, Shaanxi Normal U niversity, Xican 710062, Shaanxi, China; 2 School of Electronic Engineering, Xi ian U niversity, Xican 710071, Shaanxi, China) Abstract: An improve global K-means clustering algorithm is propose by presenting a novel metho of generating the next optimal initial center w ith the enlightening of the i ea of K- me oi s clustering algorithm suggeste by Park et al. Our new metho choose a point w hich has a high ensity an is far aw ay from the centers of the available clusters, so that it can not only avoi choosing a noisy atum as the optimal can i ate centre, but also re uce the computational time w ithout affecting the performance of the global K- means clustering algorithm . Our improve global K- means clustering algorithm is teste on s