基于局部搜索机制的K-Means聚类算法

摘要

K-Means聚类算法的结果质量依赖于初始聚类中心的选择.该文将局部搜索的思想引入K-Means算法,提出一种改进的KMLS算法.该算法对K-Means收敛后的结果使用局部搜索来使其跳出局部极值点,进而再次迭代求优.同时对局部搜索的结果使用K-Means算法使其尽快到达一个局部极值点.理论分析证明了算法的可行性和有效性,而在标准文本集上的文本聚类实验表明,相对于传统的K-Means算法,该算法改进了聚类结果的质量.