论文部分内容阅读
无监督机器学习算法中的经典K-means算法,是基于局部最优的原则将观测数据进行分类,其算法严重依赖初始种子的选取,导致聚类结果的不确定性。基于经典K-means算法的不足,提出一种基于动态离差平方和的无监督机器学习算法,使得各类内观测值的离差平方和最小,以此为划分依据,不断调整,从而对K-means算法进行改进。