基于近似骨架的UK-Medoids初始簇心生成算法.pdfVIP

中国科技论文在线 基于近似骨架的 UK-Medoids 初始簇心生成 算法# 屈世超，江贺** 5 （大连理工大学软件学院，辽宁 大连 116621） 摘要：近些年，不确定数据聚类问题受到了广泛的关注。在这个问题上，UK-Medoids 这一 启发式聚类算法以其高效性而被提出。然而，UK-Medoids 算法具有对初始簇心敏感的缺点。 针对此缺点，本文提出一个为 UK-Medoids 寻找优质初始簇心的算法 ACAU(Approximate backbone based Cluster center initialization Algorithm for UK-Meoids) 。该算法的基本思想是： 10 首先对原数据集完成M 次采样，在采样后的规模较小的M 个数据集上分别执行UK-Medoids 算法得到 M 个局部最优解，然后通过对 M 个局部最优解求交得到近似骨架，并从中提取 UK-Medoids 算法的初始簇心。基于得到的初始簇心，在原数据集上重新运行 UK-Medoids 算法，得到更高质量的聚类结果。充足的实验结果表明，使用近似骨架能为UK-Medoids 找 到高质量的初始簇心，对提高聚类质量有很重要的意义。 15 关键词：模式识别；NP-难解；启发式算法；近似骨架；不确定数据聚类；UK-Medoids 中图分类号：TP391 Approximate Backbone based Cluster Center Initialization Algorithm for UK-Medoids 20 QU Shichao, JIANG He (Dalian University of Technology, LiaoNing DaLian 116621) Abstract: In recent year, clustering uncertain data gets a widespread concern. In this problem, as a heuristic algorithm, UK-Medoids was proposed for its high efficiency. However, UK-Medoids is sensitive to the initial cluster center. To solve this problem, we propose an approximate backbone 25 based algorithm to find cluster center for UK-Medoids, named ACAU. The main idea of our algorithm is as follows: make M times random sampling on the uncertain dataset; then, use UK-Medoids to do clustering on the sampled datasets, and get M local optimal results; then get intersection on the M local optimal results t