谢娟英，王艳娥

(陕西师范大学计算机科学学院，西安 710062)

1 概述

聚类分析是数据挖掘研究的一项重要技术［1］，属于无监督机器学习方法，它基于物以类聚原理，分析和探索事物的内在联系和本质。在聚类分析过程中，以相似度为基础，使得同一类簇中的模式具有较高的相似度，而不同类簇的模式具有很低的相似度。聚类分析广泛应用于模式识别、数据分析、图像处理等领域［2］。常用的聚类分析方法包括基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法和基于变换的聚类算法［1-2］。

K-means 算法是一种典型的基于划分的聚类算法，该算法将一个含有n 个样本的集合划分为K 个子集合，其中每个子集合代表一个类簇，同一类簇中的样本具有高度的相似性，不同类簇中的样本相似度较低。K-means 算法以其思路简洁、收敛速度快成为应用最广泛的聚类算法。但传统K-means 算法需要预先提供确定的类簇数K，在K 值给定的前提下，随机产生初始聚类中心进行聚类，聚类结果的随机性很大，严重依赖于初始聚类中心，经常收敛于局部最优解。关于K-means 算法的研究形成2 个分支，一是如何确定好的初始聚类中心;二是如何确定合适的K 值。

本文在分析关于K-means 优化初始聚类中心研究的基础上，提出一种基于样本空间分布的最小方差优化K-means 初始聚类中心的聚类算法，以克服现有优化K-means 初始聚类中心的算法需要人为选择一定参数，聚类结果严重依赖于参数选择的缺点。……