论文部分内容阅读
传统的k-means聚类算法对初始聚类中心非常敏感，聚类的结果也常常随着初始聚类中心而波动。为了降低聚类算法的这种敏感性，本文提出了一种自适应的聚类算法（SA—K—means），该方法通过计算数据对象区域的密度，选择相互距离最远的高密度区域的中心作为初始聚类中心。实验表明SA—K—means聚类算法能有效地消除聚类算法对初始聚类中心的敏感性，得到满意的聚类结果。