论文部分内容阅读
k-means聚类算法是在确定的聚类数k下对数据集进行聚类，通常凭借先验规则假定一个k值，取值具有很大主观性；此外，k-means初始聚类中心的选择一般也是随机的，这使得k-means聚类经常出现聚类指标局部最优化，聚类结果不稳定．针对以上两个问题，结合密度法改进了k-means初始聚类中心点的选择，并在此基础上提出了一种确定k-means最佳聚类数的方法．实验结果证明，该方法可以得到更好的聚类结果，具有更高的准确性、更好的稳定性以及更优的收敛性．