Kmeans聚类分析算法中一个新的确定聚类个数有效性的指标

被引：23

作者：

李双虎

王铁洪

机构：

[1] 河北省科学院应用数学研究所

[2] 河北省科学院自动化研究所

来源：

河北省科学院学报 | 2003年 / 04期

关键词：

聚类分析; Kmeans算法; 有效性度量; 指标;

D O I：

10.16191/j.cnki.hbkx.2003.04.003

中图分类号：

O151.21 [矩阵论];

学科分类号：

摘要：

K means算法是聚类分析中使用最为广泛的算法之一。然而,该算法通常受到初始聚类条件的影响。关于这个问题的详细讨论可参看文献[1]。该算法的另一个不足之处是,聚类数目K必须作为参数由用户提供。笔者提出了一个新的有关聚类有效性的度量指标和优化的K means算法。它能自动确定最佳聚类个数。

引用

页码：199 / 202

页数：4

共 5 条

[1]

AnEmpiricalComparisonoffourInitializationMethodsfortheK MeansAlgorithm. PenaJM,J.A Lozano,P.Larranaga. PatternRecognitionLetters . 1999

[2]

InitializationofIterativeRefinementClusteringAlgorithms. UsamaM Fayyad,CoryA.Reina,PaulS.Bradley. Proc.4thInternationalConf.OnKnowledgeDiscovery&DataMining . 1998

[3]

OnClusterValidityfortheFuzzyc MeansModel. PalNR,J.C Bezdek. IEEETransactionsonFuzzySystems . 1995

[4]

Reiber, A New Cluster Validity Index for Fuzzy c-Means. Rezaee M R,B P F Lelieveldt and J. H. C. Pattern Recognition . 1998

[5]

DeterminationofNumberofClustersinK MeansClusteringandApplicationinColourImageSegmentation. RayS,RHTuri. ICAPRDT’’99 . 1999

← 1 →