基于距离函数的改进k-means算法

摘要：

聚类算法在自然科学和和社会科学中都有很普遍的应用，而K-means算法是聚类算法中经典的划分方法之一。但如果数据集内相邻的簇之间离散度相差较大，或者是属性分布区间相差较大，则算法的聚类效果十分有限。本文基于离散度的思想，采用新的加权距离函数代替了传统算法的欧氏距离，在一定程度上优化了k-means算法的聚类结果。

关键词：聚类、k-means算法、离散度

分类号：TP18(自动化基础理论)

在线出版日期：2016-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：167-169