论文部分内容阅读
经典的K均值聚类算法是基于欧式距离的,它只适用于球形结构的聚类,而且在处理数据时不考虑变量之间的相关性和各变量的重要性差异.针对以上问题改进了K均值聚类算法,将马氏距离与K均值相结合,并在目标函数中增加变量权重因子和协方差矩阵调节因子,利用马氏距离优点有效地解决了K均值聚类算法的缺陷,最后通过实验证实了该方法的可行性和有效性.