改进的k-means聚类算法在公交IC卡数据分析中的应用研究

摘 要: 针对传统k-means算法中初始聚类中心随机确定的问题，提出k-means改进算法。首先，定义变量权 值，权值的大小等于样本密度乘以簇间距离除以簇内样本平均距离，通过最大权值来确定聚类中心，克服了随机确定 聚类中心的不稳定性。然后在Hadoop平台上用Map-Reduce框架下实现算法的并行化。最后以南通公交IC刷卡记录为 例，通过改进的k-means聚类算法进行IC卡刷卡记录的分析。实验表明，在Hadoop平台下改进k-means算法运行稳 定、可靠，具有很好的聚类效果。