数据资源: 中文期刊论文

对K-means算法初始聚类中心选取的优化



编号 zgly0000779580

文献类型 期刊论文

文献题名 对K-means算法初始聚类中心选取的优化

作者 薛京花  刘震宇  崔适时 

作者单位 中南林业科技大学计算机与信息工程学院 

母体文献 电子世界 

年卷期 2012(5)

页码 11-14,18

年份 2012 

分类号 TP311.13 

关键词 K-means算法  初始聚类中心  入侵检测 

文摘内容 针对传统K-means算法对初始聚类中心选取的问题,提出了基于数据样本密度和距离来选取初始聚类中心的改进K-means算法,该算法保证了初始中心点集的第一点为确定的(最大密度点),在基于距离最远的其他中心点搜索过程中,得到的中心点也基本上是确定的,消除了初始中心点选择的随机性,同时保证了获得较高质量的初始中心点。理论分析和实验结果表明: 改进的k-means算法是一种有效的入侵检测方法,根据此方法设计的入侵检测系统是有效可行的。

相关图谱

扫描二维码