作者：胡伟初始聚类中心启发式信息收敛速度
摘要：针对传统K_means聚类方法采用随机选择初始聚类中心而导致的收敛速度慢的问题，本文结合空间中的距离度量提出一种改进的K_means聚类算法。该方法通过给出有效的启发式信息，选择较好的聚类中心，减少聚类达到稳定状态所需要的迭代步骤，加速算法的执行。标准数据集上的实验结果表明，与传统的K_means聚类方法相比，本文提出的改进的聚类方法收敛速度快，从而在较少的迭代后得到良好的聚类效果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《计算机与现代化》（CN：36-1137/TP）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《计算机与现代化》自创刊以来，以理论联系实际、促进应用开发为宗旨，主要刊登计算机专业方面的新理论、新技术及其在各个领域中应用成果的论文，设有系统分析与设计、软件工程、网络与通讯、过程控制、辅助设计、中文信息技术、人工智能、综合述评、应用与实践等栏目，既有相当的学术水平，又有现实的指导作用。
部级期刊
人气 850676 评论 75
人气 229054 评论 65
人气 212542 评论 35
省级期刊
人气 211816 评论 71
