吉林大学学报(理学版) ›› 2021, Vol. 59 ›› Issue (5): 1205-1211.
胡雅婷1, 陈营华1, 宝音巴特2, 曲福恒3, 李卓识1
HU Yating1, CHEN Yinghua1, BAOYIN Bate2, QU Fuheng3, LI Zhuoshi1
摘要: 针对MinMax k-means算法易产生空解、 收敛速度慢和计算效率低的问题, 提出一种增量式MinMax k-means聚类算法. 该算法从给定的初始聚类个数开始, 以固定步长递增式产生新的聚类中心, 采用基于数据均衡的快速分裂方法产生增量聚类中心, 从而避免了传统增量聚类中心选择中遍历数据、k-means聚类算法运行次数过多导致的大计算量问题. 与MinMax k-means及相关算法的对比实验结果表明, 该算法在计算效率和求解精度上均优于对比算法, 有效改善了MinMax k-means聚类对初始化中心敏感和易产生空解的问题.
中图分类号: