K-均值聚類算法的研究與分析.pdf

1、數(shù)據(jù)挖掘是信息處理和數(shù)據(jù)庫技術領域的前沿研究課題，是致力于數(shù)據(jù)分析和發(fā)現(xiàn)數(shù)據(jù)內(nèi)部蘊含知識的技術。聚類分析是數(shù)據(jù)挖掘領域中的重要技術之一，是一種數(shù)據(jù)劃分的重要手段和方法：聚類算法也是數(shù)據(jù)挖掘，模式識別和機器學習等方向的重要內(nèi)容之一。聚類的應用非常廣泛，在市場營銷、金融、生物學、地質(zhì)學和機器學習中都有著重要的作用。
　　 本文首先對聚類分析的概念和理論基礎進行了闡述；其次重點對k-means聚類算法進行了分析和研究，k-means聚

2、類算法是一種基于劃分的方法，它的優(yōu)點是算法簡易、速度快、擴展性好、適用于預處理大規(guī)模數(shù)據(jù)；但是算法也存在不足之處，如算法需要指定聚類的個數(shù)和初始聚類中心，還有算法對初始聚類中心的選取依賴性很強，如果初始聚類中心選取不當容易陷入局部最優(yōu)解等；并且算法對異常數(shù)據(jù)敏感，如果初始聚類中心中存在異常數(shù)據(jù)，聚類的最終結(jié)果距離正確的結(jié)果更是相差甚遠。文章還對聚類過程中的異常數(shù)據(jù)做了全面的分析，把異常數(shù)據(jù)總結(jié)分為了兩大類，給出了異常數(shù)據(jù)的確定規(guī)則，在最