优化初始中心点的小麦品质区域聚类

摘要：

为探寻区域性小麦品质聚类的适宜算法,针对经典K-Means(KM)算法对初始聚类中心的敏感问题,以我国主要冬麦区为研究实例,探讨了两种初始中心点改进算法对大规模小麦品质数据集的适应性,综合距离与密度两因素,提出了一种基于密度参数和邻域半径的优化初始中心点小麦品质聚类算法.相对KM算法及文献改进算法,所提算法可较为准确地提取数据集高密度区域的初始中心点,聚类过程及性能对静态簇与非静态簇两种不同迭代方案相对不敏感.实验结果验证了算法的有效性和可行性,在收敛性能及稳定性方面具有一定的优势.

关键词：区域聚类:小麦品质、优化初始中心、适宜性

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 30971697;中央高校基本科研业务费KYZ201005;南京农业大学人文社科基金sk09016

在线出版日期：2012-03-16（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：34-37,72