一种服务于K-means的初始中心选取方法

摘要：

聚类是数据挖掘领域最重要的技术之一,K-means是其中使用频率最高的举足轻重的聚类算法.然而,K-means算法表现严重依赖于初始中心,选取多少个初始中心以及选择哪些数据点作为初始中心对K-means算法十分重要.基于此,提出一种初始中心选取方法DPCC(Density Peak Clustering Centers).DPCC方法基于密度和距离生成一个选取决策图,将数据集中所有的密度峰值点凸显出来.这些密度峰值点即为DPCC方法为K-means算法提供的初始中心.实验表明,DPCC方法不仅可为K-means提供初始中心数量,还能有效提高K-means算法的准确度,并缩减K-means算法的执行时间.

关键词：聚类、初始中心、决策图

所属期刊栏目：49

分类号：TP3-0(计算技术、计算机技术)

在线出版日期：2023-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：134-138