一種改進(jìn)的k_means聚類(lèi)算法研究.pdf

1、隨著網(wǎng)絡(luò)的快速發(fā)展和信息化技術(shù)的不斷進(jìn)步，各種數(shù)據(jù)以驚人的速度膨脹，如何從這些數(shù)據(jù)中找到有用信息，并對(duì)這些數(shù)據(jù)和信息進(jìn)行分類(lèi)，變得日益迫切。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，使得大量數(shù)據(jù)處理成為可能。聚類(lèi)是一項(xiàng)重要數(shù)據(jù)挖掘技術(shù)，已成為研究熱點(diǎn)之一。
　　 本文主要針對(duì)k_means算法對(duì)孤立點(diǎn)敏感和對(duì)初始點(diǎn)選擇敏感的局限性，對(duì)k_means算法的聚類(lèi)過(guò)程提出兩點(diǎn)改進(jìn)。首先，對(duì)k_means算法中孤立點(diǎn)檢測(cè)問(wèn)題進(jìn)行深入研究，提出了基于網(wǎng)格的數(shù)據(jù)

2、預(yù)處理算法。該方法對(duì)數(shù)據(jù)集網(wǎng)格劃分之后，進(jìn)行孤立點(diǎn)的檢測(cè)。其次，分析k_means算法的初始點(diǎn)選擇，提出了基于平均點(diǎn)的初始點(diǎn)選擇算法。該方法是在基于網(wǎng)格的數(shù)據(jù)預(yù)處理算法基礎(chǔ)之上，直接在網(wǎng)格中進(jìn)行初始點(diǎn)的選擇，使初始點(diǎn)更加合理和接近實(shí)際的聚類(lèi)中心。最后，在k_means算法的聚類(lèi)過(guò)程中，應(yīng)用兩個(gè)算法進(jìn)行孤立點(diǎn)處理和初始點(diǎn)選擇，給出了改進(jìn)的k_means算法。
　　 本文通過(guò)實(shí)驗(yàn)對(duì)改進(jìn)的k_means進(jìn)行驗(yàn)證和分析，實(shí)驗(yàn)結(jié)果表明改進(jìn)