一种新的最佳聚类数确定方法

被引:2
作者
秦振涛 [1 ,2 ]
杨武年 [1 ]
机构
[1] 成都理工大学地学空间信息技术国土资源部重点实验室/遥感与GIS研究所
[2] 攀枝花学院数学与计算机学院
基金
高等学校博士学科点专项科研基金;
关键词
层次聚类; 最佳聚类数; 聚类有效性指标; 聚类;
D O I
10.16157/j.issn.0258-7998.2013.01.054
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
为了更有效地确定数据集的最佳聚类数,提出一种新的确定数据集最佳聚类数的算法。该算法借签层次聚类的思想,一次性地生成所有可能的划分,然后根据有效性指标选择最佳的聚类划分,进而获得最佳聚类数。理论分析和实验结果证明,该算法具有良好的性能。
引用
收藏
页码:109 / 111+115 +115
页数:4
相关论文
共 4 条
  • [1] 一种改进的K均值聚类算法
    孟佳娜
    邓俐伶
    于玉海
    唐品忠
    [J]. 大连民族学院学报, 2011, 13 (03) : 274 - 276
  • [2] 新的K-均值算法最佳聚类数确定方法
    周世兵
    徐振源
    唐旭清
    [J]. 计算机工程与应用, 2010, 46 (16) : 27 - 31
  • [3] 基于层次划分的最佳聚类数确定方法
    陈黎飞
    姜青山
    王声瑞
    [J]. 软件学报, 2008, (01) : 62 - 72
  • [4] Automatic subspace clustering of high dimensional data
    Agrawal, R
    Gehrke, J
    Gunopulos, D
    Raghavan, P
    [J]. DATA MINING AND KNOWLEDGE DISCOVERY, 2005, 11 (01) : 5 - 33