摘要
K-means算法终止于一个局部最优状态,所以初始中心点的选择会在很大程度上影响其聚类效果。该文针对K-means算法所存在的问题,提出了一种优化初始中心点的算法。实验表明可以有效减少迭代次数并提高聚类精度,最终获得较好的聚类效果。
K-means algorithm terminates at a local optimum,it is sensitive to initial starting condition.An improved algorithm is proposed,compared with the traditional algorithms,the proposed algorithm can get initial centers with higher quality.The method can achieve higher clustering accuracies.
出处
《计算机与数字工程》
2011年第10期30-31,共2页
Computer & Digital Engineering
关键词
K均值
聚类
初始中心点
K-means
clustering
initial center point
