计算机科学与探索

作者：张倪妮, 葛洪伟

单位：1. 江苏省模式识别与计算智能工程实验室（江南大学），江苏 无锡 2141222. 江南大学 物联网工程学院，江苏 无锡 214122

关键词：聚类,K-多均值聚类（KMM）,原型初始化

指定K个聚类的多均值聚类算法在K-均值算法的基础上设置了多个次类，以改善K-均值算法在非凸数据集上的劣势，并将多均值聚类问题形式化为优化问题，可以得到更优的聚类效果。但是该算法对初始原型敏感，且随机选取原型的方式使聚类结果不稳定。针对上述问题，提出一种稳定的K-多均值聚类算法，并对该算法的复杂度与收敛性进行了简要讨论。该算法先基于数据样本的最邻近关系构造图，根据图的连通分支将数据分为若干组，取每组数据的均值点作为初始原型，再用交替迭代的方法对优化问题进行求解，得到最后的聚类结果。在人工数据集和真实数据集上的实验表明，该算法具有更稳定更优越的聚类效果。

来源：2021年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第5期