论文部分内容阅读
传统K均值聚类算法随机选取初始中心容易陷入局部极小，而且不能有效处理不规则数据集的边缘数据。针对这两个问题，提出一种改进K均值聚类算法。初始聚类中心的选取使用基于距离的方法，减少了迭代次数；数据点不再根据距离聚类中心的大小划分，而是根据其周围点的分布划分。通过仿真，证实了本文算法的可行性与有效性。