基于簇内差异度的K-均值算法应用研究

摘要

研究发现使用均匀分布的簇内差异度来确定初始中心点并以此为基础进行聚类,可以提高K-均值聚类准确率和稳定性.将改进算法使用iris数据进行实验,结果表明改进后算法的聚类迭代次数显著减少且相对稳定,运行时间也有明显降低.运用改进的聚类算法对忻州师院学生的计算机课程考试成绩数据进行处理,并对考试成绩数据的聚类结果进行分析,进而给出针对各系学生计算机课的教学建议,同时针对各系学生的自我提升提出意见.