聚类有效性的组合评价方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 聚类有效性的组合评价方法 刘燕驰 ，高学东 ，国宏伟 ，武 森 LIU Yanchi，GAO Xuedong，GUO Hongwei，WU Sen。 1．北京科技大学 经济管理学院，北京 100083 2．北京科技大学 冶金与生态工程学院，北京 100083 1．SchoolofEconomicsandManagement，UniversityofScienceandTechnologyBeijing，Beijing100083，China 2．SchoolofMetallurgicalandEcologicalEngineering，UniversiytofSciencenadTechnologyBeijing，Beijing100083，China LIU Yanehi，GAO Xuedong，GUO Hongwei，eta1．Ensembling clustering validation indices．Computer Engineering and Ap- pHcattons，2011，47(19)：15—17． Abstract：Clusteringvalidation isakey factorto the successofclustering．Oneofhteapproachesto validatehte clustering results isclustering validation index．However，there isno generalindex forallkindsofdata structures．A Dempster-Shafer， (D—S)evidencetheorybasedensemblemethodofrmultipleindicesisproposedrecently，namedD—Stheory basedValidation method(DSV)．Experimentalresultsandanalysisonvarioussynhteticdatasetsshow htat DSV outperformssingleclustering validation index． Keywords：clusteringvalidation；Dempster-Shafer(D—S)evidencetheory；clusteringvalidationindex；clusternumber 摘 要：针对现有研究中给出的聚类有效性指标不能有效评价不同结构数据集的聚类结果问题 ，提 出一种使用多个有效性指标 进行聚类评价的组合方法。引入D-S(Dempster-shafer)证据理论对多个有效性指标结果进行集成，并得到最终的聚类评价结 果。仿真实验和分析验证了该方法的可行性与有效性。 关键词：聚类评价；D．S~ir-据理论；有效性指标；聚类数 DOI：10．3778／j．issn．1002—8331．2011．19．005 文章编号：1002．8331(2011)19．0015．03 文献标识码：A 中图分类号：TP181 1 引言 策的综合评价指标WSVF ，但是该指标只是简单地对多个有 聚类分析是无监督学习中非常重要的一个研究课题，其 效性指标取平均值，效果提高并不显著。在本课题中，引入 任务是把数据对象集分割成不同的簇，使得同一簇内的对象 D—s证据理论对多指标进行集成，以便更好地解决不同情况下 尽量地相近而不同簇的对象尽可能有很大差异。聚类分析已 数据集的聚类评价问题 。 经被广泛地应用在很多领域，如图像分析、生物学、金融分析 等。聚类分析作为一个无监督学习任务，使用不同的聚类分 2 D．S证据理论 析算法或不同的输入参数(如聚类数NC)将会得到不 同的聚 D．s证据理论由Dempster首先提出，后经Shafer完善，被 类结果，需要用户在聚类之后对所得到的分割有效I生进行评价。 认为是多元不确定性信息融合的有效方法，其原理是对各 自 长久以来，如何不借助于外部信息(如类标识)来评价聚 独立的结论通过组合给出一致性结果，实现信息互补6[】。与概 类结果被认为是聚类应用能否成功的关键因素之一。目前， 率推理相比，D．s理论在不