一种基于最大最小距离和K-means的自适应聚类方法

摘要

本发明公开了一种基于最大最小距离和K-means的自适应聚类方法，该方法解决了传统K-means聚类算法存在的对初始中心敏感，以及簇个数需事先确定的问题。本发明是一种策略性方法。本发明对初始中心以及新增簇的初始中心的选择都不是随机的，而是经过计算得到的，以数据(子)集中分别与相距最大的两个点相距最小的两个点作为初始中心，能够有效地避免选取到孤立点作为初始中心，同时能有效地减少聚类过程的迭代次数，并得到较好的聚类结果；本发明针对各簇SSE(误差平方和)情况和总的SSE变化趋势决定是否增加簇以及是否结束聚类，从而能自适应确定簇数，特别适合那些簇数难以确定的应用场景。