K-means算法的優(yōu)化及應(yīng)用

打開(kāi)文本圖片集

摘  要：針對(duì)K-means算法易受初始值和異常點(diǎn)影響，以及聚類數(shù)選取依靠人工經(jīng)驗(yàn)和初始聚類中心選取隨機(jī)等缺點(diǎn)，提出一種基于改進(jìn)Canopy算法的K-means聚類算法。首先將初始數(shù)據(jù)集進(jìn)行預(yù)處理和分類，然后選取特殊的閾值利用改進(jìn)的Canopy算法得到聚類數(shù)和初始聚類中心，再運(yùn)行K-means算法實(shí)現(xiàn)最終聚類。（剩余6568字）