论文部分内容阅读
典型K平均算法中的聚类数后必须是事先给定的确定值，然而实际中很难精确确定，因而无法解决该核算法的实际问题。为此，提出距离代价函数作为最佳聚类数的有效性检验函数，建立了相应的数学模型，并据此提出了一种改进的后值优化算法。实验证明，与传统基于平均值方法实现数据聚类相比，用改进K值优化算法有效提高数据聚类效果。