一种改进的K-means算法

摘要

K-means算法以误差平方和作为聚类准则函数,难以成功划分大小不一、密度不均的类.为此,本文提出了一种改进的K-means算法,首先通过增加初始聚类中心选在小的类、疏的类的概率优化初始聚类中心的选取;其次在将数据对象分配给聚类中心时,采用数据对象到聚类中心的加权距离代替传统K-means算法中的距离;最后使用加权众数距离之和作为聚类准则函数来评价聚类质量.实验结果表明,提出的算法能够提高K-means算法划分大小不一、密度不均的数据集的准确率.