一种基于知网的K-means聚类算法

本文通过引入知网的概念，对传统的K-means聚类算法进行了分析，初始聚类中心的选择对聚类结果有较大的影响，初始值选择的不好，可能无法得到有效的聚类结果，这也成为K-means算法的一个主要问题。采用聚类中心的搜索算法来进行聚类中心的选取，对其初始聚类中心确定一个初始划分，运用“射靶”的原理进行了改进，找到“靶心”得到一个最终选定的初始聚类中心，从而提高算法的稳定性，得到较稳定的聚类结果。实验结果表明，采用改进后的K-means作为簇心生成算法，随着待聚类文档数目的增加，效率提升更为突出。