一种基于改进K-means算法和新聚类有效性指标的聚类分析方法

摘要

本发明公开了一种基于改进K‑means算法和新聚类有效性指标的聚类分析方法，首先通过密度信息获取高密度初始聚类中心点，按照初始聚类中心点进行K‑means算法聚类；不断迭代聚类中心点；计算聚类有效性指标的值并将最小的聚类有效性指标对应的簇数作为数据集的最佳聚类数并输出最佳聚类结果。本发明可以有效的降低K‑means聚类算法的迭代次数，减少聚类时间消耗，提升聚类效率；高密度初始中心点和中心点替换方法的结合降低了K‑means聚类算法陷入局部最优解的可能性；聚类结果稳定精确。