作者：安爱芬初始聚类中心相似度收敛速度
摘要：针对传统k-means聚类方法随机选择初始聚类中心而导致的收敛速度慢、聚类效果较差的问题，本文结合空间相似度度量提出一种改进的k-means初始聚类中心选择方法．该方法通过定义空间中样本的相似度，从而选择相似度较小的样本作为初始聚类中心，以减少达到聚类稳定状态的迭代次数，提高聚类的效率．UCI数据集上的实验结果表明，与传统k-means聚类方法相比，本文提出的改进的k-means初始聚类中心选择方法能够使聚类的收敛速度加快，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
《山西师范大学学报·自然科学版》（CN：14-1263/N）是一本有较高学术价值的大型季刊，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。 《山西师范大学学报·自然科学版》主要栏目有：应用数学，泛函分析，算子理论，数理统计学，高能核物理，理论物理，材料化学，分析化学，生物多样性，生物学基础理论研究，山西地方区域性地理研究，可持续发展研究等。
杂志详情
