论文部分内容阅读
针对K-means算法初始化时需要指定聚类数目，和随机选择初始聚类中心对聚类结果产生不稳定的问题，结合图论中最小生成树和层次算法的分裂、凝聚思想，提出一种基于最小生成树的层次K—means算法．该算法初始时根据数据样本生成一颗最小生成树，然后利用层次分裂思想把数据分成多个较小的簇，通过K—means算法迭代操作得到每次操作的评价函数值来判断是否进行簇的合并，进一步确定聚类簇数目．实验结果证明，该算法能够较准确地判断聚类数目，并且聚类结果的稳定性比基本K-means算法要好．