K-means聚类算法中聚类个数的方法研究

被引：17

作者：

刘飞

唐雅娟

刘瑶

机构：

[1] 汕头大学电子工程系

来源：

电子设计工程 | 2017年 / 25卷 / 15期

关键词：

K-means算法; 聚类个数; 初始聚类中心; 数据挖掘; K-means算法改进;

D O I：

10.14022/j.cnki.dzsjgc.2017.15.003

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

在数据挖掘算法中,K均值聚类算法是一种比较常见的无监督学习方法,簇间数据对象越相异,簇内数据对象越相似,说明该聚类效果越好。然而,簇个数的选取通常是由有经验的用户预先进行设定的参数。本文提出了一种能够自动确定聚类个数,采用SSE和簇的个数进行度量,提出了一种聚类个数自适应的聚类方法(简称:SKKM)。通过UCI数据和仿真数据对象的实验,对SKKM算法进行了验证,实验结果表明改进的算法可以快速的找到数据对象中聚类个数,提高了算法的性能。

引用

页码：9 / 13

页数：5

共 11 条

[1] 一种改进K-means算法的聚类算法CARDBK [J].

朱烨行 ;

李艳玲 ;

崔梦天 ;

杨献文 .

计算机科学, 2015, 42 (03) :201-205

[2] 移动终端百度地图偏移修正方法的研究 [J].

潘盛辉 ;

张硕望 .

信息通信, 2014, (10) :40-41

[3] 基于用户特性的Web会话模式聚类算法 [J].

郑富兰 ;

吴瑞 .

计算机应用与软件, 2014, 31 (02) :283-286

[4] Optimization of constitutive parameters of foundation soils k-means clustering analysis [J].

Muge Elif Orakoglu ;

Cevdet Emin Ekinci .

Sciences in Cold and Arid Regions, 2013, 5 (05) :626-636

[5] K-Means算法的研究与改进 [J].

周爱武 ;

陈宝楼 ;

王琰 .

计算机技术与发展, 2012, 22 (10) :101-104

[6]

An accelerated K-means clustering algorithm using selection and erasure rules[J]. Suiang-Shyan LEE,Ja-Chen LIN.Journal of Zhejiang University-Science C(Computers & Electronics). 2012(10)

[7] 数据挖掘中聚类算法研究进展 [J].