论文研究 启发式初始化独立的k 均值算法研究.pdf

针对传统k-均值算法对初始聚类中心敏感的问题，提出了启发式初始化独立的k-均值算法。该算法引入prim算法选择k个初始聚类中心，且通过设置阈值参数θ，避免同一类中的多个数据对象同时作为初始聚类中心，否则将导致聚类迭代次数增加，并得到错误的聚类结果。与传统的k-均值算法和基于遗传算法的k-均值聚类算法相比，实验结果表明改进的算法不仅降低了初始聚类中心选取的随机性对聚类性能产生的影响，有效减少了聚类迭代次数，而且降低了离群点对聚类性能的影响，从而验证了算法的可行性和有效性。