基于K-均值的混合高斯模型聚类算法研究

摘要

针对K-均值聚类不能有效应用于散点图聚类的缺陷,引入混合高斯模型,设计期望最大化的似然方程,计算数据记录属于各个聚类的似然值,正则化似然值,获得属于每个聚类的概率值,根据所属群集的最高概率值,为数据记录指定群集.研究表明,引入混合高斯模型的K-均值聚类算法在数据挖掘群集上具有更稳定的结果,通过计算期望最大化,使数据分布的参数范围与聚类数据达到最佳匹配.