论文部分内容阅读
针对K—Means算法中对初始聚类中心进行随机选择并未达到理想优化的情况，提出一种改进的初始聚类中心选择算法。改进算法首先将原始数据进行预处理并计算各维有效数据的最大值和最小值，然后利用各维有效数据的最大值和最小值进行数据分段和初始聚类中心选择，最后采用VS集成开发环境进行建模。采用遵义医学院2010级的学生计算机考试成绩数据对模型进行仿真，仿真结果显示聚类挖掘性能相对K—Means算法较高，证明改进的初始聚类中心选择算法可以提供精确的聚类挖掘结果。