K-Means算法的研究与改进

摘要

K-Means算法是一种基于划分方法的经典聚类算法，已经在很多领域得到广泛的应用。虽然该算法有很多优点，但其也存在自身的局限性，比如需要用户输入聚类簇个数，初始聚类中心是随机性选择的，算法容易陷入局部最优解，对孤立点比较敏感等。文中首先应用统计学中的标准分数对样本进行孤立点分析，然后提出一种新的初始聚类中心确定策略。对改进的算法和原算法分别做实验进行比较，实验结果表明，改进的算法在准确率、收敛速度和稳定性方面都有很大的提高。