本文首先分析研究聚类分析方法，对多种聚类分析算法进行分析比较，讨论各自的优点和不足，同时针对原k-means算法的聚类结果受随机选取初始聚类中心的影响较大的缺点，提出一种改进算法。通过将对数据集的多次采样，选取最终较优的初始聚类中心，使得改进后的算法受初始聚类中心选择的影响度大大降低；同时，在选取初始聚类中心后，对初值进行数据标准化处理，使聚类效果进一步提高。通过UCI数据集上的数据对新算法Hk-means进行检测，结果显示Hk-means算法比原始的k-means算法在聚类效果上有显著的提高，并对相关领域有借鉴意义。

>>查看原文初稿链接<<

>>更多科技论文<<