论文部分内容阅读
针对K-Means算法聚类数量（K值）难以确定问题，提出一种基于N阶最短近邻分析的方法来自适应确定K值。该方法在普遍缺少先验认知的情况下，在计算N阶最短近邻距离的基础上，分析当前样本集数据点的分布，从而进一步通过数值计算获取全部阶跃点来最终自适应确定K值。理论分析与数值仿真研究表明该方法的有效性和可靠性，对K-Means算法的聚类结果起到一定的指导性作用。