基于商空间理论的K-means改进算法

摘要

针对K-means算法中对于初始聚类中心的敏感性和容易受到离群点的干扰,提出一种基于商空间多粒度的K-means改进算法(QIMKM).该算法分为两个阶段,第一阶段在不同粒度的商空间内确定出所有类簇的骨架结构,第二阶段通过改进的K-means算法对剩余数据点进行划分.最后,综合两个阶段的结果得到最终的聚类结果.此算法通过观察不同商空间下类簇的结构信息,为第二阶段的K-means算法提供初始中心类,以此来消除初始中心的不确定性对K-means算法的影响,并且能够使QIMKM识别出非球状的类簇.