Anfängliche Schwerpunktselektion für den K-Means-Clustering-Algorithmus mittels der statistischen Methode

Ein iterativer Prozess, der zu einem der vielen lokalen Minima konvergiert, wird in praktischen Clustering-Methoden verwendet. K-Means-Clustering gehört zu den beliebtesten Clustering-Methoden. Es ist bekannt, dass diese iterativen Methoden sehr anfällig für die anfänglichen Bedingungen sind. Um die Leistung des K-Means-Clustering zu verbessern, schlägt diese Forschung eine neuartige Methode zur Auswahl anfänglicher Schwerpunkte vor. Der vorgeschlagene Ansatz wird mit Online-Zugriffsprotokollen evaluiert, und die Ergebnisse zeigen, dass bessere anfängliche Ausgangspunkte und eine Nachbearbeitung der Clusterverfeinerung zu besseren Lösungen führen.