10.3969/j.issn.1000-386x.2021.07.038
一种改进K-means聚类的近邻传播最大最小距离算法
针对初始聚类中心不合理的选择会导致K-means算法的聚类结果局部最优,且降低聚类算法收敛速度的问题,提出一种基于近邻传播算法和最大最小距离算法联合计算初始聚类中心的算法(APMMD).该算法通过近邻传播算法从整个样本集中获得Kap(Kap>k)个具有代表性的候选中心点,再利用最大最小距离算法从Kap个候选中心点中选择k个初始聚类中心.在多个UCI数据集上实验,结果表明APMMD算法获得初始聚类中心应用于K-means聚类,迭代次数明显降低,聚类结果稳定且具有较高准确率.
初始聚类中心、近邻传播算法、最大最小距离算法、APMMD算法、性能量度
38
TP301(计算技术、计算机技术)
国家科技重大专项2016ZX05020-006
2021-07-21（万方平台首次上网日期，不代表论文的发表时间）
共6页
240-245
