一种确定最佳聚类数的新算法

被引：11

作者：

谢娟英 ^{[1
,2
]}

马箐 ^{[1
]}

谢维信 ^{[2
,3
]}

机构：

[1] 陕西师范大学计算机科学学院

[2] 西安电子科技大学电子工程学院

[3] 深圳大学信息工程学院

来源：

陕西师范大学学报(自然科学版) | 2012年 / 40卷 / 01期

关键词：

信息粒度; K-均值; 全局K-均值; 模糊相似度; 聚类指标BWP;

D O I：

10.15983/j.cnki.jsnu.2012.01.003

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对K-均值聚类算法需要事先确定聚类数K的问题,将粒度计算引入样本相似度函数,定义了新的样本相似度,用模糊等价聚类确定数据集可能的最大类簇数Kmax.以Kmax为搜索上界,利用改进全局K-均值聚类算法,以BWP(Between-Within Proportion)为聚类有效性度量指标,提出确定最佳聚类数的一种新方法.通过UCI机器学习数据库数据集以及随机生成的人工模拟数据集实验测试,证明该算法不仅能有效确定数据集的最佳聚类数,而且适用于大规模数据集,但是会受到噪音点影响.

引用

页码：13 / 18

页数：6

共 9 条

[1] Research and progress of cluster algorithms based on granular computing [J].