论文部分内容阅读
针对K-means聚类算法依赖初始点、聚类结果受初始点的选取影响较大的缺陷，给出了一种稳定的基于影响空间的初始点优化K-means聚类算法。该算法借助了影响空间数据结构和定义的加权距离吸引因子，将特殊中心点合并为K个微簇，并对微簇中的数据点加权平均得到K个初始中心点，然后执行K-means算法；最后，理论分析和实验结果表明，该初始点优化K-means聚类算法能够有效降低噪声数据对聚类结果的影响，在聚类结果、聚类过程效率方面有较大优势。