使用bp网络改进k-means聚类效果

k-means算法中的k值的确定和初始聚类中心的选择严重影响聚类效果.针对这一问题,本文提出使用bp神经网络改进k-means聚类效果的方法.通过对聚类结果进行反复训练,调整聚类数,k-means的聚类效果得到改善.采用人工数据和实际商业数据的实验证明该方法能有效地改善传统的聚类效果.