刘 云，康 冰，侯 涛，王 柯，刘 富

(吉林大学 通信工程学院，长春 130022)

0 引 言

C均值算法(C-means method，CM)是一种常用的聚类算法，目前已被广泛应用于图像分割[1, 2]、网络入侵检测[3]、文本聚类[4]、混合动力汽车能量管理策略[5]等方向。然而，传统的C均值算法随机地选择数据集中的样本作为初始聚类中心，因此，该算法对初值敏感，易陷入局部最优[6]。

到目前为止，已经有很多方法用于解决传统C均值算法的初值敏感问题。例如，Krishna等[6]和Laszlo等[7]利用遗传算法为C均值算法确定初始聚类中心；Likas等[8]提出了一种全局C均值算法，首先以数据集中全体样本的均值作为第一个聚类中心，然后分别以第一个聚类中心和数据集中任意一个样本作为初始聚类中心，以2为聚类个数运行C均值算法，选择具有最好的聚类结果的样本作为第二个聚类中心，以此类推，直到确定了C个聚类中心。该方法的缺点是在聚类中心的选取过程中需要运行许多次C均值算法，十分费时。基于此，Bagirov[9]和Bai等[10]分别提出了一种快速的全局C均值算法。

由于C均值算法是一种基于中心的聚类算法，理想的聚类中心应处于样本密度较大的区域，因此，基于样本密度的方法是一种有效的确定初始聚类中心的方法。例如，Cao等[11]提出了一种基于邻域模型的初值选取方法，该方法选择一组具有最大邻域紧密度且彼此之间具有一定分离度的样本作为初始聚类中心，然而由于该方法利用粗糙集理论中邻域的上下近似集的比值作为某样本的邻域密度，因此计算过程比较费时；……