基于类间差异最大化的加权距离改进K-means算法

作者：张雪凤 刘鹏聚类类间差异加权距离

摘要：为了改善K-means算法的聚类效果,将聚类准则函数定义为加权的类内误差平方总和SSE（sum of thesquared error）,并调整了K-means算法迭代过程中重新分配数据对象的方法：使用一个带有类内数据对象数的加权距离作为重新分配数据对象的依据,同时按类间差异最大化为准则优化了加权距离中的参数。实验表明,改进后的K-means算法可以在很大程度上减少大类被拆分情况的发生,明显改善聚类效果。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社