【出 处】：《 计算机仿真 》 CSCD 2011年第28卷第1期 218-221页,共4页

【作 者】： 白旭 [1,2] ; 靳志军 [3]

【摘 要】 聚类分析是数据挖掘的一项关键技术，对于大数据集，确定聚类中心点集所需的计算时间相当的长，针对K-中心算法是一种经典的聚类算法，K-中心在处理小数据集聚类的的问题时，具有良好准确性和伸缩性。但由于K-中心初始中心点是随机选取，聚类过程缓慢，易陷入局部极值，聚类的准确性大大降低。为了提高聚类速度和准确性，提出一种改进的快速K-中心聚类算法。方法首先将训练数据集转换为标准的单位特征度量空间，然后将数据先粗划分为m组，再对m组的k个中心进行聚类找到最优聚类中心，找到聚类中心进行聚类并得到最终聚类结果。以网络入侵数据为例对算法进行了验证性分析，实验结果表明，相对于基本K-中心聚类算法，在保持相同聚类效果的情况下，快速K-中心聚类新算法能够加快聚类速度，节省约聚类时间。