论文部分内容阅读
为了解决原始K—means算法随机选取聚类中心对聚类结果产生较大影响的不足和孤立点的存在对聚类精度的破坏，以及两者之间的相互牵制性，采用基于2d-距离的DKC值来对原始样本数据集进行预处理以分辨孤立点，同时确定初始的聚类中心，达到消除两者相互影响的效果，使得聚类中心相对稳定，改进后的算法较原始的算法在准确度上得到了改进。