一种综合考虑距离和密度的k-means初始聚类中心确定方法

本发明公布了一种综合考虑距离和密度的k‑means初始聚类中心确定方法，进而规避传统算法迭代次数多、时间性能差且容易陷入局部最优的不足。首先，根据数据样本集设定邻域值和最小密度系数阈值，并计算任意两个样本点之间的欧式距离；其次，计算各样本点的密度系数，删除密度系数小于最小密度系数阈值的低密度样本点，得到高密度点集合，并基于该集合确定初始聚类中心；然后，遍历样本集，找到距离每个样本点最近的聚类中心，将样本集划分为k簇，同时分别计算每簇所有数据的中心点，获得新的k个聚类中心；最后进行收敛判定。本发明综合考虑密度、距离两个参考量来选择初始聚类中心，使得聚类中心在选取上更为合理。