基于点概率的K-means算法的改进

基于点概率的K-means算法的改进

邵晶晶;蒋林利

【期刊名称】《柳州师专学报》 【年(卷),期】2015(030)006

【摘要】K-means算法是一种基于划分的方法,该算法对初始聚类中心的选取依赖性极大,初始中心值的不同导致聚类效果不稳定.为此,本文利用几何概率的思想,认为每个数据点都是等概率的存在于数据集,通过计算每个数据点的点概率值,结合距离因素,选择K个点作为初始聚类中心.实验证明,改进后的K-means算法聚类效果更好. 【总页数】3页(108-110)

【关键词】K-means算法;初始中心;几何概率 【作者】邵晶晶;蒋林利

【作者单位】云南大学滇池学院理工学院,云南昆明650228;武汉大学继续教育学院,武汉430072;广西科技师范学院数学与计算机科学系,广西来宾546199 【正文语种】中文 【中图分类】TP311 【相关文献】

1.基于优化初始类中心点的K-means改进算法 [J], 秦钰; 荆继武; 向继; 张爱华

2.基于初始均值点离散化的改进K-means算法 [J], 许辉; 杨志浩; 王莉 3.基于改进微粒群算法的K-MEANS聚类和孤立点查找 [J], 肖会敏; 刘臣; 杨晓兵

4.基于概率神经网络和K-means算法的纳税评估 [J], 赵雷; 张延荣 5.基于改进自适应遗传算法的K-means聚类算法研究 [J], 佟昕

以上内容为文献基本信息，获取文献全文请下载