论文部分内容阅读
传统尽均值聚类算法虽然收敛速度快，但存在聚类数后无法预先确定，并且算法对初始中心点敏感的缺点。针对上述缺点，提出了基于密度期望和聚类有效性Silhouette指标的K-均值优化算法。给出了基于密度期望的初始中心点选取方案，将处于密度期望区间内相距最远的石个样本作为初始聚类中心。该方案可有效降低尽均值算法对初始中心点的依赖，从而获得较高的聚类质量。在此基础上，可进一步通过选择合适的聚类有效性指标Silhouette4指标分析不同后值下的每次聚类结果，确定最佳聚类数，则可有效改善k-值无法预先确定的缺点。实验