初始化中心点优化的K-means算法

摘要

K—means算法是最常用的基于划分的聚类算法之一，有很多的优点，但也存在着不足。它不仅初始化中心点影响很大，还可能产生局部最优解。本文正是针对这些不足，提出了一种初始化中心点优化的K—means算法，主要初始聚类中心的选择方面进行了改进，并做了改进前后算法的对比实验。结果表明，改进后的算法不但更具稳定性，准确度也高，受孤立点的影响也大大降低。