一个新的聚类有效性分析指标

被引：14

作者：

李双虎 ^{[1
]}

张风海 ^{[2
]}

机构：

[1] 河北省应用数学研究所

[2] 河北经贸大学

来源：

计算机工程与设计 | 2007年 / 08期

关键词：

数据挖掘; 聚类分析; 算法; 有效性; 指标;

D O I：

10.16208/j.issn1000-7024.2007.08.012

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

聚类分析是无监督分类过程,其目的在于把目标对象划分为一系列有意义的组(或称类),使得每个组中的目标尽量“相似”或“接近”,而不同组的目标尽可能“相异”或“远离”。从而有助于发现目标的分布模式和目标间的相互关系。评估聚类质量的问题,称为聚类有效性分析。介绍一些典型分类算法,并提出了一种新的聚类有效性分析指标。

引用

页码：1772 / 1774

页数：3