一种K-均值优化算法的研究与改进

摘要

传统K-均值聚类算法处理数据效率低下,而且结果偏差较大.为此,本文涉及一种优化算法,通过衡量处罚方式的程度控制算法迭代方式,以计算所得簇的平均误差的数值为依据,计算簇分配权值的大小,再用加权准则函数计算簇集中的加权距离,将取值最小的簇作为样本点,筛选掉平均误差较大的簇,从而提高算法的效率.用本文设计的算法与传统K-均值算法相比较,以含有大量噪音的数据集为实验数据,发现在抗噪性、聚类效果和运行稳定性方面,本文算法都明显优于传统算法.