论文部分内容阅读
K—means算法是最常用的聚类算法之一，有很多的优点，但也存在着不足。它不仅对样本的输入顺序敏感，可能产生局部最优解，而且受孤立点的影响很大。文章正是针对这些不足，提出了一种改进的K—means算法，主要从数据预处理、初始聚类中心的选择方面进行了改进，并做了改进前后算法的对比实验。结果表明，改进后的算法不但更具稳定性，准确度也高，受孤立点的影响也大大降低。