一种层次初始的聚类个数自适应的聚类方法研究.pdfVIP

第 23卷 第 6期 电子设计工程 2015年 3月 Vo1．23 No．6 ElectronicDesignEngineering Mar．2015 一 种层次初始的聚类个数 自适应的聚类方法研究 魏建东，陆建峰 ，彭甫镕 南京理工大学 计算机科学与工程学院，江苏 南京 210094 摘要 ：K均值聚类算法是一种常见且有效的基于划分的聚类算法。为解决该聚类算法对初始 中心敏感的f*-I题，常用 的方法是层次化初始聚类中心。然而，层次初始 的聚类算法仍然需要将聚类个数作为输入参数，在高维数据和海量数 据 中不 易应用。基于能够 自动确定聚类数 目的 目的，采用 DBI度量，提 出一种层次初始 的聚类个数 自适应 的聚类方法 简称 DHIKM 。通过 UCI数据集和仿真数据上 的实验 ，证明DHIKM 可以在采样数据 中快速找到合适的聚类个数 ．实 验结果表明该算法在聚类质量与收敛速度上 的有效性 关键词 ：K均值算法；层次初始化 ；戴维森堡丁指数 ；初始聚类 中心 ；聚类个数 中图分类号 ：TP301 文献标识码 ：A 文章编号 ：1674—6236 2015 06—0005—04 Researchonamethodofself-adaptationofthenumberofclustersf0rllierarchical initialization clusterin~ WEIJian—dong，LU Jian—feng，PENGFu—rong SchoolofComputerScienceandEngineering，NanjingUniversityofScienceandTechnology，Nanjin210094，China Abstract：K-meansalgorithm isacommonand effectiveclusteringalgorithm basedonpartition．Tosolvetheproblem of sensitivity ofinitial clustercenters，the mostfrequently used method is searching optimal initialclustercentersby hierarchicallyinitializing．However，italsotakesthenumberofclustersastheargument．ItisSOdifficulttogivethenumberof clustersforthehighdimensionaldataandlargevolumedatathatthehierarchal initializationK—meanscannotbedirectly applied．To addressthisproblem，thispaperproposesaDaviesBouldinIndex DBI basedhierarchicalinitializationK—means DHIKM algorithmthroughintegratingDBImetricintohierarchicalinitializationK-meansalgorithm．ByDBImetric，DHIKM canquicklydeterminethenumberclustersonsampleddata．ExperimentsonUCIdatasetandsyntheticdatademonstratehte effectivenessoftheproposedalgorithm． Keywords：K-means；hierarchicallyinitializing；DaviesBouldinIndex；initial clustercenters；clusternumber 数据挖掘就是在庞大的、不完整 的、有噪声的数据 中找 法没有讨论如何 自动确定聚类个数。现有 的 自动确定聚类个 出隐含在其 中但人们所不知道的、有价值的信息。聚类分析 数 的聚类算法都要给 出许多控制参数 ，例如 herativeSelf 在数据挖掘 中起着非常重要 的作用 。近些年来 ，随着数据挖 organizingDataAnalysisTechniquesAlgorithm 简称ISODATA 掘技术的深入 ，聚类分析也 日益受到重视llj。K均值算法是一 及其扩展方法通过合并和拆分类别达到 自动确定聚类个数 种使用普遍 的聚类算法，其初始 中心的确定对聚类结果的影 的 目的。由于该方法控制参数过多，在实践中很难应用于高 响很大，而且需要人为设定聚类个数 k，这需要丰富的经验知 维数据3[1。为解决这个 问题