基于離散量改進(jìn)k-means初始聚類中心選擇的算法

　　傳統(tǒng)kmeans算法由于初始聚類中心的選擇是隨機(jī)的，因此會(huì)使聚類結(jié)果不穩(wěn)定。針對(duì)這個(gè)問(wèn)題，提出一種基于離散量改進(jìn)k-means初始聚類中心選擇的算法。算法首先將所有對(duì)象作為一個(gè)大類，然后不斷從對(duì)象數(shù)目最多的聚類中選擇離散量最大與最小的兩個(gè)對(duì)象作為初始聚類中心，再根據(jù)最近距離將這個(gè)大聚類中的其他對(duì)象劃分到與之最近的初始聚類中，直到聚類個(gè)數(shù)等于指定的足值。最后將這是個(gè)聚類作為初始聚類應(yīng)用到k -means算法中。將提出的算法與傳統(tǒng)k-means算法、最大最小距離聚類算法應(yīng)用到多個(gè)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的k-means算法選取的初始聚類中心唯一，聚類過(guò)程的迭代次數(shù)也減少了，聚類結(jié)果穩(wěn)定且準(zhǔn)確率較高。

?