基于商空间理论的K-means改进算法 (2013年)

针对K-means算法中对于初始聚类中心的敏感性和容易受到离群点的干扰，提出一种基于商空间多粒度的K-means改进算法(QIMKM)。该算法分为两个阶段，第一阶段在不同粒度的商空间内确定出所有类簇的骨架结构，第二阶段通过改进的K-means算法对剩余数据点进行划分。最后，综合两个阶段的结果得到最终的聚类结果。此算法通过观察不同商空间下类簇的结构信息，为第二阶段的K-means算法提供初始中心类，以此来消除初始中心的不确定性对K-means算法的影响，并且能够使QIMKM识别出非球状的类簇。