针对多聚类中心大数据集的加速K-means聚类算法

摘要

随着数据量、数据维度呈指数发展以及实际应用中聚类中心个数的增多,传统的K-means聚类算法已经不能满足实际应用中的时间和内存要求.针对该问题提出了一种基于动态类中心调整和Elkan三角判定思想的加速K-means聚类算法.实验结果证明,当数据规模达到10万条,聚类个数达到20个以上时,本算法相比Elkan算法具有更快的收敛速度和更低的内存开销.