论文部分内容阅读
K-means聚类算法是基于划分的经典聚类算法之一，因其简洁、高效得到了广泛的应用。K-means算法具有容易实现、时间和空间复杂度较小的优点。但该算法的初始聚类数K通常不能通过有效的手段事先确定，其初始聚类中心往往是随机选取的，易收敛于局部最优解，造成聚类结果的不准确。基于多叉树确定K值的动态K-means聚类算法是对传统算法的改进，力求在迭代过程中动态分裂合并簇来确定最合理的聚类数，并且能在一定程度上解决聚类结果收敛于局部最优解的问题。文中还探索了相应的数据模型以支持所改进算法的研究，并从横向与纵向两