摘要：k-means算法是一种非常简单并且使用广泛的聚类算法,但是一是k值需要预先给定,很多情况下k值的估计很困难。二是K-Means算法对初始选取的聚类中心点很敏感,不同的中心点聚类结果有很大的不同。也就是说,有可能陷入局部最优解。三是对离群点敏感,聚类结果易产生误差。四是相似性度量的函数不同也会对聚类结果产生影响。本文针对k-means的缺陷,对这几年k-means算法的研究进展进行了综述。从初始中心点的选取、离群点的检测与去除、相似性度量等几个方面进行概括、比较。最后,对k-means算法的未来趋势进行展望。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社