结合近邻和密度思想的K-均值算法的研究.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 结合近邻和密度思想的 均值算法的研究 王春风，唐拥政 WANG Chunfeng，TANG Yongzheng 江苏盐城工学院现代教育技术中心，江苏 盐城 224051 Modem EducationTechnologyCenter，YanchengInstituteofTechn ology，Yancheng，Jiangsu 224051，China WANG Chunfeng。TAN G Yongzheng．Research ofK-meansalgorithm combinedwith neighborsand density．ComputerEn- gineeringandApplications，2011，47(19)：147-149． Abstract：In orderto solve thedependence of initialclustercenter，a new K-meansalgorithm basedon hte initialcluster centre hasbeenproposed．Thenew algorithm selectsapointhavingthehi曲estdensityastheinitialcenter，andbasedon htecharacteristicsofneighboring ponitsbelong tothe same cluster，findsthepointofhtefurthestdistnacefrom hte initial center．Next，thepointiSaddednito theinitialclustercenterna d iscalculated，hten itiSturned down approach．The initialclus— tercenterdistributionofhteimprovedalgorithm ismorereasonable，thenifluenceofisolatedpointsiseliminated，andtheef- fectofdelineation ismorebetter．The experimentshowshtatthe improved clustering algorithm has higherand morestable accuracy． Keywords：density；neighbors；clusteringalgorihtm；K-menas；clustercenter 摘 要：为了解决 均值算法对初始聚类中心的依赖性，提出了一种新的选取初始聚类中心的算法。采用数据区内的最高密度 点作为初始中心，基于近邻点属于同一聚类的特性，找到距离初始中心最远的点，将其加入初始聚类中心后再进行计算并依次下 去的方法。该改进算法的初始聚类中心分布比较合理，而且剔除了孤立点对初始聚类中心的影响，从而可以得到更好的划分效 果。实验表明，用改进的算法进行聚类更能够得到较高且稳定的准确率。 关键词：密度；近邻；聚类算法；K-均值；聚类中心 DOh10．3778~。issn．1002．8331．2011。19．040 文章编号：1002-8331(2011)19．0147．03 文献标识码：A 中图分类号：TP39 聚类是数据挖掘中的一种重要技术 ，是分析数据并从中 己经收敛Ⅲ。 发现有用信息的一种有效手段，具有一定的科学性和客观 本算法的一个特点是在每次迭代中都要考察每个样本的 性。 均值作为聚类分析中一种基本的划分方法，主要优点 分类是否正确，若不正确，就要调整。在全部样本调整完后， 是算法简单、快速而且能有效地处理大数据集。与系统聚类 再修改聚类中心，进入下一次迭代。如果在一次迭代算法中， 方法不同的是 均值聚类函数不用树结构描述数据中的组， 所有的样本被正确分类，则不会有调整，聚类中心也不会有任 而是创建单一水平的类。另一个不同在于， 均值聚类使用 何变化，~{--d=着 已经收敛，则算法结束。该算法框架如下： 实测值，而不是它们的近似值 。这些不同意味着 均值聚类 (1)给定大小为n的数据集，令 ／=1，选取k个初始聚类中 方法对于大量数据的分类问题更加合适。