K-means算法若干改進(jìn)和應(yīng)用.pdf

1、從海量數(shù)據(jù)中發(fā)掘潛藏的、有效的、有價值的信息，為金融業(yè)、房地產(chǎn)等行業(yè)提供信息和決策，這個過程稱為數(shù)據(jù)挖掘。聚類分析是數(shù)據(jù)挖掘中最重要的方法之一，k-means算法是聚類分析中最簡單和最基礎(chǔ)的方法。k-means算法有操作簡單、速度快、處理大數(shù)據(jù)有良好的伸縮性等優(yōu)點(diǎn)，但在數(shù)據(jù)處理時也時常暴露出致命的缺陷。
　　鑒于k-means算法暴露的一些缺陷，本文主要從三個方面進(jìn)行改進(jìn)和分析。1）針對歐氏距離對變量同等對待的特點(diǎn)，本文提出了變異

2、系數(shù)法加權(quán)。通過與主觀經(jīng)驗(yàn)加權(quán)方法的數(shù)據(jù)應(yīng)用對比，證明了變異系數(shù)法加權(quán)歐氏距離可行性和合理性，為實(shí)際處理數(shù)據(jù)提供了方法和依據(jù)。2）針對k-means算法中k值模糊性和主觀性，提出了使用距離代價函數(shù)來確定準(zhǔn)確的k值。3）針對k-means算法中初始值的隨機(jī)選取，利用樣本數(shù)據(jù)分布和貪心思想構(gòu)造了一種尋找初始值的算法，并給出算法的程序。最后將改進(jìn)的k-means算法初始值算法應(yīng)用于數(shù)據(jù)實(shí)例中，從聚類結(jié)果、類內(nèi)距離和類間聚類總和、迭代次數(shù)和初始