一种递归K均值算法与上市公司绩效分类研究

K均值算法的两个不足——最终聚类结果中簇的数目即K值需要用户事先设定以及用户一般不能直接对聚类结果中簇的半径作限定,限制了它的特定场合应用。本文结合上市公司绩效分类背景,对K均值算法作了改进,提出一种递归K均值算法。递归K均值算法不需用户在聚类之前就设定最终聚类结果中簇的数目,一定程度上减轻了用户负担;并且可以直接对聚类结果中簇的半径作出限定,有利于对簇内数据对象的相似程度进行控制。递归K均值算法的上述特性使得它可以很好地应用于上市公司绩效分类当中,提升分类的客观精确性。