摘要
K-means算法是一种经典的聚类算法,目前在许多领域得到广泛的应用。本文从传统的K-means算法出发分析它的优缺点,针对传统算法对初始聚类中心敏感的问题,分析了基于距离优化和基于密度分布的思想两类K-means改进算法,并选取了两类改进算法中的两个具体改进的算法在UCI(University of California,Irvine)标准数据集上的进行实验,深入分析了传统的K-means算法和改进后的K-means算法的聚类结果,为K-means算法进一步研究提供参考。
出处
《信息与电脑(理论版)》
2012年第7期108-110,共3页
China Computer & Communication