學習筆記，僅供參考，有錯必究

關鍵詞：k均值；解決方案改進；準確的k均值；迭代改進

---

I-k-means-+:An iterative clustering algorithm based on an enhanced version of the k -means

摘要

k-means試圖最小化作為其目標函數的來自每個聚類的均值(SSEDM)的平方歐幾里德距離的和。這種算法雖然有效，但對初始中心過于敏感。因此，文獻中的許多方法都集中于確定合適的初始中心。然而，選擇合適的初始中心并不總是可能的，尤其是當集群的數量增加時。

本文提出了一種迭代方法來提高k-均值算法產生的解的質量。這種方法試圖通過移除一個聚類(負)，劃分另一個聚類(正)，并在每次迭代中再次應用重新聚類來迭代地提高k均值的解的質量。這種方法稱為迭代k-均值減-加(I-k-均值+)。使用一些方法來確定應該移除哪個聚類、應該劃分哪個聚類以及如何加速重新聚類過程，來加速I-k均值。

實驗結果表明，在最小化SSEDM方面，I-k-means+可以優于k-means ++，被稱為k-means的精確版本之一。在某些情況下，I-k -means +的精度比k-means和k-means+高大約2倍，而它比k-means ++更快，并且與k-means相比具有合理的運行時間。

Introduction

總結

以上是生活随笔為你收集整理的文献记录(part89)--I-k-means-+:An iterative clustering algorithm based on an enhanced k -means的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。