基于环形数据集的改进K-means聚类算法

摘要

K-means聚类算法是一种以距离为依据进行聚类的算法,原理简单且便于处理数据,但对于呈环形分布的数据集,传统的K-means算法的聚合结果并不理想.因此,本文提出了基于环形数据集的改进K-means聚类算法,引进了原点相对距离差的概念,将欧氏距离的计算改进为原点相对距离差的计算,使得数据集聚类为环形状.实验结果表明,改进的K-means聚类算法处理呈环形分布的数据集效果更好.