摘要
经典K-means算法在数据分布不均匀的情况下,随机选择初始聚类中心点会导致结果不稳定,文章针对上述问题提出了一种稳定算法.采用距离计算数据样本空间密度,令密度最大区域簇内误差平方和最小点作为第一个初始聚类中心,删除以该样本点为中心,平均距离为半径的数据集,对剩余数据集继续采用上述方法查找初始聚类中心,重复上述过程直至找到K个聚类中心点.使用UCI数据集和经典聚类算法实验结果进行对比,实验结果表明算法能够快速找到聚类初始区域中心点,避免随机初始中心点对算法的影响,从而提升聚类准确性和算法的稳定性.
基金项目
六盘水师范学院校级项目(LPSSYCYFZ202103)
贵州省普通高等学校青年科技人才成长项目(黔教合KY字[2019]144)
贵州省大学生创新创业训练计划(202110977086)
NETL
NSTL
维普
万方数据