一种改进的BIRCH聚类算法.pdfVIP

第29卷第 1期 计算机应用 Vo1．29No．1 2009年 1月 JournalofComputerApplications Jan．2009 文章编号：1001—9081(2009)叭一0293一o4 一 种改进 的BIRCH聚类算法 蒋盛益，李 霞 (广东外语外贸大学 信息科学技术学院，广州510006) (jiangshengyi@163．con) 摘 要 ：BIRCH算法是一种适应于大规模数据集的聚类算法，通过对所有叶节点设定统一阈值 来构建聚类特 征(cF)树，并在各阶段采取不同的阈值来重建树，但没有给出一个合理设定阈值初值 及如何在各阶段提升阈值大 小的具体方法。另外BIRCH算法只能处理数值型数据，这使其应用受到限制。针对以上不足，对BIRCH算法做 了以 下改进：1)改进原BIRCH算法的CF结构，使其可以处理混合型属性数据集；2)启发式为BIRCH算法选择初始阈值 并给出了第二阶段提升阈值的具体操作方法；3)对BIRCH算法的参数 和 做了探讨 ，指出当参数B=L时算法性 能相近，并提出为获得较好聚类效果时口值的取值范围。实验结果表 明，改进后的BIRCH算法具有较好的性能。 关键词：BIRCH算法；聚类；阈值 ；混合属性数据；数据挖掘 中图分类号 ：TP311．138 文献标志码：A ImprovedBIRCH clusteringalgorithm JIANGShen．yi。LIXia (SchoolofInformation，GuangdongUniversityofForeignStudies，GuangzhouGuangdong510006，China) Abstract：BIRCH algorithm isaclusteringalgorithm suitableforverylargedatasets．Inthealgorithm，aCF—treeisbuilt whoseallentriesineachleafnodemustsatisfyauniform threshold andtheCF—treeisrebuiltateachstagebydifferent threshold．Buthowtosettheinitialthresholdandhow toincreasethethresholdofeachstagearenotgiven．Inaddition，the algorithm canonlyworkwith ”metric”attribute．whichmakesitsapplicationrestrained．Thispapermadesomeimprovements onBIRCHalgorithm：1)ChangedCFstructureSOthatheterogeneousattributescouldbemanipulated；2)Gaveaheuristic methodofgettinginitialthresholdandincreasingthresholdofsecondstageofthealgorithm；3)Discussedthealgorithm’S parameterBandLandfoundthatthe algorithm hadequalperformancewhenB = L atlast．gaveasoundscopeforB ． Experimentalresultsonpublicdatasetsshow thattheimprovedalgorithm haspreferableperfomr ance． Keywords：BIRCH algorithm；clustering；threshold；heteroge