一种基于改进k-means聚类算法的质心空间上采样算法

摘要

本发明公开了数据聚类分析技术领域的一种基于改进k‑means聚类算法的质心空间上采样算法，能够更好的提高聚类速度和准确率，降低算法的计算复杂度，减少算法的运行时间，并且避免出现k‑means算法的局部最优问题的出现。包括：使用k‑means聚类算法对样本集进行聚类，并基于距离原则选择初始聚类中心；基于给定的存储结构，计算样本集中各样本分别与各初始聚类中心的欧式距离，进而获取聚类簇；基于获取的聚类簇，通过各聚类簇之间的欧氏距离计算出样本的初始质心，形成质心簇；根据每个质心簇的欧氏距离计算出所有样本簇总的欧氏距离；每个质心欧氏距离与样本总的欧氏距离的比值，得到权重系数；权重系数和需要上采样的样本的乘积为每个质心簇的增加的样本数。