基于密度优化初始聚类中心的 K-means 算法

来源：计算机技术与发展杂志2020年第12期北京时间：

作者：王艳娥;安健;梁艳;康晶晶

摘要：针对 K-means 算法随机选择初始聚类中心, 对噪音和异常点比较敏感, 聚类结果过多依赖于专家经验从而缺乏一定客观性的问题, 提出一种新的度量样本密度的方法优化 K-means 算法对初始聚类中心的选择。该方法基于样本实际分布,以最优超球体中样本个数与超球体中样本相似性作为度量样本密度的关键,能够有效选出较优的聚类中心,使得选择的初始聚类中心更接近样本集的实际分布。算法在乳腺癌数据集、常用 UCI 数据集以及人工模拟数据集上进行测试,实验结果表明,与已有同类方法相比, 该算法在各数据集上的聚类评价指标均有提高,而且运行速度更快, 聚类结果更稳定, 聚类准确率更高:在乳腺癌数据集 wdbc 上的准确率为 91.04% ,提高了 6%。 在 Iris 数据集上的准确率为 94%,提高了 5%。

关键词：K-means 算法;密度;去噪;最优超球体;均方差;噪声数据