مروري بر روشهاي انتخاب نقاط اوليه در الگوريتم k-means

يكي از تكنيكهاي كشف دانش براي آشكار ساختن ساختارها در دادهها، خوشه بندي است كه به طور گسترده اي مورد استفاده قرار ميگيرد. در الگوريتمهاي خوشه بندي، انتخاب يك روش مناسب براي انتخاب مراكز خوشه هاي اوليه بسيار مهم است و تاثير مستقيم در شكل سيري خوشه هاي نهايي دارد. از آنجا كه خوشه ها در گروه هايي با فضاي ويژگي از هم جدا هستند، مطلوب است مراكز اوليه به گونه اي انتخاب شوند كه كاملا از هم يكديگر مستقل باشند. در اين مقاله، به بررسي روشهايي كه براي محاسبه مراكز خوشه اوليه در الگوريتم k-means پيشنهاد شده است، مي پردازيم.