摘要:K均值算法(KMEANS)是一种应用广泛的经典聚类算法,但其有两个缺陷,即对初始聚类中心敏感及需要人工确定聚类的个数,因而聚类结果的准确率较低.针对K均值聚类算法现存的两个缺陷,为提高算法的精确性与稳定性,以及改善聚类性能,提出了一种改进的K均值算法.该算法通过定义的平均类间最大相似度指标值来确定最佳的K值,将所有数据点中
K—means算法是聚类算法中主要算法之一,文章介绍了K—means聚类算法的实现方法,并对其优点和缺点 进行了详细的分析。 关键词:聚类分析;K—means算法 中图分类号:TP311 文献标识码:A 文章编号:1672-447X(2013)05-0017-03 1 引 言 在模式识别的研究中,提取出特征参数矢量之 ...