文献类型：期刊文章

作　　者：刘飞[1] 唐雅娟[1] 刘瑶[1]

机构地区：[1]汕头大学电子工程系,广东汕头515063

出　　处：《电子设计工程》

基　　金：国家自然科学基金面上项目(61471228);广东省重大科技计划项目(2015B020233018)

年　　份：2017

卷　　号：25

期　　号：15

起止页码：9-13

语　　种：中文

收录情况：RCCSE、ZGKJHX、普通刊

摘　　要：在数据挖掘算法中,K均值聚类算法是一种比较常见的无监督学习方法,簇间数据对象越相异,簇内数据对象越相似,说明该聚类效果越好。然而,簇个数的选取通常是由有经验的用户预先进行设定的参数。本文提出了一种能够自动确定聚类个数,采用SSE和簇的个数进行度量,提出了一种聚类个数自适应的聚类方法(简称:SKKM)。通过UCI数据和仿真数据对象的实验,对SKKM算法进行了验证,实验结果表明改进的算法可以快速的找到数据对象中聚类个数,提高了算法的性能。

关 键 词：K-MEANS算法 聚类个数 初始聚类中心 数据挖掘 K-means算法改进  

分 类 号：TP301]