%0 Journal Article
%T 融入密度和距离的K-means初始簇中心优选方法研究
%A 冯勇
%A 张学理
%A 徐红艳
%A 王嵘冰
%J 中山大学学报（自然科学版）
%D 2018
%X 摘要 K-means算法随机选取初始簇中心易导致聚类不稳定、准确率低等问题.为了解决上述问题,提出融入密度和距离的K-means初始簇中心优选方法.该方法首先选取距离最远的两个样本点进行贪心策略的密度聚类,形成两个临时初始簇,接着不断选取距临时初始簇质心距离乘积最大值点进行密度聚类,直到形成K个临时初始簇,最后在每个簇中选取核心点作为初始簇中心.在Letter数据集进行实验,证明所选取初始簇中心进行K-means聚类具有更好的稳定性、更高的准确率
%K K-means算法
%K 密度
%K 贪心策略
%K 最大距离
%K 初始簇中心
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4576.shtml