中文引用格式： 李秋云，劉燕武. 一種服務于K-means的初始中心選取方法[J]. 電子技術應用，2023，49(3)：134-138.
英文引用格式： Li Qiuyun，Liu Yanwu. An initial centers selection method serving K-means[J]. Application of Electronic Technique，2023，49(3)：134-138.
0 引言
聚類是一種無監督分析方法，其目的是識別出數據集中的所有數據簇，并將每個簇中的數據點看作一類。在眾多聚類算法中，K-means[1]是使用頻率最高的舉足輕重的算法之一。K-means算法從數據集中選取k個數據點作為初始聚類中心，按照距離最近原則，將其他數據點分配給這k個初始中心得到初始簇，再將處于初始簇中心的數據點作為新的聚類中心。重復上述過程，直到聚類中心不再改變為止。K-means算法的原理相對簡單，這也是其受到廣泛追捧的原因。然而，該算法也存在著明顯缺陷：
（1）分析之前，需要明確k值。在K-means算法中，k值就是簇的數量。若k被設置為10，那么K-means算法將識別出10個數據簇。但聚類是一種無監督分析任務，在聚類之前無法得知數據集存在多少簇。顯然，K-means算法的機理與聚類初衷是相矛盾的。在真實分析場景中，常常會出現k值多于或少于真實簇數的情況，影響聚類準確度。
（2）初始中心易聚團。K-means算法隨機將k個數據點確定為初始聚類中心，易造成多個聚類中心出現在同一簇內，導致該簇被分解為多類。
（3）迭代次數無法控制。K-means算法需要經過多次迭代直至聚類中心不再改變為止。通常情況下，聚類中心最終會迭代到密度稠密區。也就是說，初始中心越遠離密度核心，K-means算法的迭代次數越多，運行時間越長。又因初始中心是隨機選取的，致使K-means算法的運行時間無法控制。
針對上述問題，本文提出一種名為DPCC（Density Peak Clustering Centers）的方法，為K-means算法提供初始中心。DPCC運用于K-means算法之前，通過計算數據點密度以及與高密度數據點間最近距離生成決策圖，以凸顯數據集中所有的密度峰值點。這些密度峰值點即可作為K-means算法的初始中心。
本文詳細內容請下載：http://m.jysgc.com/resource/share/2000005243
作者信息：
李秋云1，劉燕武2
（1.中國運載火箭技術研究院 北京宇航系統工程研究所，北京 100076；
2.中國電子信息產業集團有限公司，廣東 深圳 518000）
