基于划分的数据挖掘K-means聚类算法分析
曾俊
【期刊名称】《现代电子技术》 【年(卷),期】2024(043)003
【摘要】为提升数据挖掘中聚类分析的效果,在分析数据挖掘、聚类分析、传统K-means算法的基础上,提出一种改进的K-means算法.首先将整体数据集分为k类,然后设定一个密度参数为?,该密度参数反映数据库中数据所处区域的密度大小,?值与密度大小成正比,通过密度参数优化k个样本数据的聚类中心点选取;依据欧几里得距离公式对未选取的其他数据到各个聚类中心之间的距离进行计算,同时以此距离为判别标准,对各个数据进行种类划分,从而得到初始的聚类分布;初始聚类分布得到之后,对每一个分布簇进行再一次的中心点计算,并判断与之前所取中心点是否相同,直到其聚类收敛达到最优效果.最后通过葡萄酒数据集对改进算法进行验证分析,改进算法比传统K-means算法的聚类效果更优,能够更好地在数据挖掘当中进行聚类. 【总页数】4页(14-17)
【关键词】数据挖掘; 聚类分析; K-means聚类算法; 聚类中心选取; K-means算法改进; 初始中心点 【作者】曾俊
【作者单位】长江师范学院 大数据与智能工程学院 重庆 408100 【正文语种】中文
【中图分类】TN911.1-34 【相关文献】
1.基于k-means聚类算法和决策树算法的服装版型款式数据挖掘 [J], 周玉英; 李俊; 唐志航
2.基于K-means聚类算法对配送区域的划分优化研究 [J], 赵峰; 李轶; 王泽 3.对数据挖掘中K-means聚类算法的改进研究 [J], 韩龙
4.基于最小生成树的多层次k-Means聚类算法及其在数据挖掘中的应用 [J], 金晓民; 张丽萍
5.基于K-means聚类算法的住院费用数据挖掘 [J], 谢筱筱
以上内容为文献基本信息，获取文献全文请下载
基于划分的数据挖掘K-means聚类算法分析
