摘要：传统K-Means对算法使用者有较高的要求,需要明确K值,并确定初始中心点的位置。通过定义、检测并删除离群点,运用Canopy算法辅助确认K值范围和粗略中心点,借助Silhouette评价指标选择最优K值及其对应的聚类结果的方法,对传统K-Means算法进行改进,改进后的算法不需要手工输入K值和初始中心点。验证结果表明：改进的K-Means算法在聚类时,结果稳定准确,且当数据点数量较大时在迭代次数方面略优于传统算法。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社