K-means算法若干改進和應用.pdf

1、從海量數據中發(fā)掘潛藏的、有效的、有價值的信息，為金融業(yè)、房地產等行業(yè)提供信息和決策，這個過程稱為數據挖掘。聚類分析是數據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的方法。k-means算法有操作簡單、速度快、處理大數據有良好的伸縮性等優(yōu)點，但在數據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行改進和分析。1）針對歐氏距離對變量同等對待的特點，本文提出了變異

2、系數法加權。通過與主觀經驗加權方法的數據應用對比，證明了變異系數法加權歐氏距離可行性和合理性，為實際處理數據提供了方法和依據。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來確定準確的k值。3）針對k-means算法中初始值的隨機選取，利用樣本數據分布和貪心思想構造了一種尋找初始值的算法，并給出算法的程序。最后將改進的k-means算法初始值算法應用于數據實例中，從聚類結果、類內距離和類間聚類總和、迭代次數和初始