基于密度分布的K-Means初始聚类中心选择算法

摘要

针对K-Means算法聚类效果的好坏依赖初始聚类中心的选择问题,本文提出一种基于密度分布的简洁K-Means初始聚类中心选择算法.算法利用样本数据相似的稠密程度,较为精准的来寻找初始聚类中心,可有效的克服初始聚类中心选择的盲目性,减少迭代次数及聚类结果的不稳定现象.实验表明,该算法具有良好的聚类效果,稳定性好.