一种新的聚类有效性函数

被引：8

作者：

彭勇 ^{[1
,2
]}

吴友情 ^{[3
]}

机构：

[1] 中国科学院研究生院

[2] 中国科学院沈阳计算技术研究所

[3] 安徽大学计算机科学与技术学院

来源：

计算机工程与应用 | 2010年 / 06期

关键词：

模糊聚类; 聚类有效性; 模糊c均值; 聚类紧密度; 聚类分离度;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

聚类有效性函数是用于评价聚类结果优劣的指标,准确地给出初始聚类类别数将使得聚类结果趋于合理化。根据模糊不确定性理论及聚类问题的基本特性,引入了新的紧密度度量指标Di(U;c),在此基础上提出了一个旨在寻求最优聚类类别数的有效性函数。该函数基于数据集的紧密度与分离度特征,综合考虑了数据成员的隶属度及数据集的几何结构。实验结果表明该有效性函数能够发现最优的聚类类别数,对于分类结构较为明确的数据集表现出良好的性能,并且对于权重系数具有良好的鲁棒性。

引用

页码：124 / 126+132 +132

页数：4

共 4 条

[1]

模糊聚类分析及其应用[M]. 西安电子科技大学出版社 , 高新波著, 2004

[2] On cluster validity index for estimation of the optimal number of fuzzy clusters [J].