优化初始聚类中心：k-means算法的进展与对比分析

本文主要探讨了聚类算法初始聚类中心优化的问题，针对k-means算法这一经典且广泛应用的聚类方法。自1967年MacQueen首次提出k-means算法以来，它因其高效性在大数据集分类中占据重要地位，然而其性能高度依赖于初始聚类中心的选择。由于初始中心的不同会导致聚类结果显著差异，因此优化初始聚类中心成为提高聚类质量和效率的关键。 文中提到，理想的初始中心选择应满足两个条件：一是任意两个中心不应属于同一簇，以确保类别间的区分；二是选择的中心应尽量接近簇的真正中心，以减少噪声和孤立点对聚类结果的影响。文章着重介绍了两种常见的改进方法：择优法和经验法。择优法如R.O. Duda的方法是通过多次随机选择并比较，挑选效果最佳的结果，尽管能够降低随机性，但处理大规模数据时仍面临效率问题。Fayyad和U的解决方案是采用两次取样，通过多次聚类寻找最优的中心，这种方法虽然在一定程度上改善了问题，但计算复杂度依然较高。 此外，还有2004年的J次取样聚类方法，通过迭代和优化选择初始中心，试图找到一个更加稳定且有效的方法。这些改进旨在减少初始选择的不确定性，提高聚类的稳定性和准确性，从而为数据挖掘和模式识别等领域提供更可靠的分析工具。 文章通过对知名数据集的测试和对比分析，展示了不同改进算法在实际应用中的表现，为聚类分析领域的研究者提供了有价值的参考。本文是对k-means算法初始聚类中心优化技术的系统梳理和实证研究，对于理解算法优化的重要性以及如何提高聚类性能具有重要意义。