基于信心论对传统K-means算法改进

摘要

随着社会的发展,应用数据挖掘技术的领域越来越多,而K-means聚类分析技术作为数据挖掘领域内作为热门的技术之一,也成为各高校和研究院研究的热点.本文着手于初始聚类中心的选取以及基于信息论对传统K-means算法加以改进,得到了MI-K-means算法,通过大量实验进行验证,不仅能够大大提升聚类结果的准确率,同时,还能够缩短算法的运行时间,提高算法的工作效率.