关键词：密度计算 加权距离 簇质心 

摘要：本文主要研究了初始聚类中心选取对于K-means算法性能的影响,并通过更好的初始化技术来增强算法性能.研究发现,在进行K-means聚类时,通过使用加权距离密度计算方法,对数据集的密度计算,使得在传统K-means聚类算法过程局部最优、簇内方差较大所带来的聚类结果不佳的缺陷得到了显著改善.实验结果表明,在使用本改进方法进行聚类时,聚类结果的簇内方差较传统方法降低了15%左右,对聚类中心的聚集性更加紧密,使算法性能得到了较好的提升.

数据通信杂志要求:

{1}正文：文内标题简捷、层次分明。文字、标点及数字的运用应符合规范。

{2}多作者稿署名时须征得其他作者同意，排好先后次序，接“拟用通知”后不再改动。

{3}正文内各级标题处理如下：一级标题为“一、二、三……”，二级标题为“（一）、（二）、（三）……”，三级标题为“1、2、3……”，四级标题为“（1）、（2）、（3）……”。单独成行。

{4}摘要应具有独立性和自明性，须说明论文的目的、方法、结果(包括主要数据)和结论，着重于创新与发现，以300字左右为宜。

{5}文稿首页页脚处注明投稿日期和通信作者简介（包括姓名、出生年、性别、职称、学位、研究方向、E-mail）。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社