论文部分内容阅读
在2010年提出已有的k-means聚类中心选取算法的基础上进行改进。通过计算样本间的距离求出每个样本的密度参数，选取最大密度参数值所对应的样本作为初始聚类中心。当最大密度参数值不惟一时，提出合理选取最大密度参数值的解决方案，依次求出k个初始聚类中心点，由此提出了一种新的k-means聚类中心选取算法。实验证明，提出的算法与对比算法相比具有更高的准确率。