论文部分内容阅读
K均值算法是一种常用的基于原型的聚类算法。但该算法要求用户随机选择初始质心，使得K均值算法受初始化影响较大。二分K均值算法虽然改善了这个问题，但仍然要求用户指定聚类个数，影响了聚类效果。用层次聚类对二分法进行改进，解决了二分K均值算法受用户指定的聚类个数的影响的问题。并结合Chameleon算法，合并划分过细簇，优化聚类结果。仿真实验证明改进的聚类算法的抱团性和分离性优于二分K均值聚类算法。