基于网格和图论的初始聚类中心确定算法.pdfVIP

第32卷第2期 计算机应用与软件 Vo1．32 No．2 2015年 2月 ComputerApplicationsandSoftware Feb．20l5 基于网格和图论的初始聚类中心确定算法 黄红伟 黄天民 (西南交通大学数学学院 四川成都 610031) 摘 要 针对传统Kmeans算法随机选取初始聚类中心，易造成准则函数收敛速度慢、聚类结果 陷入局部最优等问题 ，提 出一种 基于网格和图论的初始聚类中心确定算法。该算法将数据空间网格化，通过在 网格单元上形成树的连通分支来选取初始中心点。 采用模拟和真实数据集对该算法选取的初始中心进行测试，实验结果表明，改进后的K—means算法在降低时间复杂度、减少迭代次 数以及提高聚类精度方面都取到了较好的效果。 关键词 K—means算法 初始聚类中心 网格 图论 连通分支 中图分类号 TP391 文献标识码 A DOI：10．3969／j．issn．1000—386x．2015．02．056 DETERM INATIoN ALGORITHM FoR INITIAL CLUSTERING CENTRESBASED oN GRID AND GRAPH THEoRY HuangHongwei HuangTianmin (SchoolofMathematics，SouthwestJiaotong l∞ ，Chengdu610031，Sichuan，China) Abstract Traditionalk-meansalgorithm randomlyselectsinitialclustering centres，which ispronetocausingslow criterion function convergenceandtheclusteringresultfallingintolocal optimum．Inlightoftheseproblems，adeterminationalgorithm forinitial clustering centresbasedon d and graph theoryisproposed．Thealgorithm makesdataspacegridding，and selectsinitialclusteringcentresby generatingtheconnectedcomponentsoftreeonrgidunits．Thesimulatedandrealdatasetsareappliedoninitialclusteringcentresselectedby thealgorithm ofrtestingthem ，experimentalresultsshowthattheimprovedk-meansalgorithm achieveswelleffectintheaspectsofdecreasing timecomplexity，reducingiterationtimesandimprovingclusteringaccuracy． Keywords K—meansalgorithm Initialclusteringeentres Grid Graphtheory Connectedcomponent 机选取方法；R—MEAN算法是通过在数据中心处随机产生微小 0 引 言 波动来生成初始中心，该算法能够确保在产生的每一类簇中都 包含有一定数 目的数据对象；KR算法是由Kaufman提出的通过 聚类分析 0作为一种无监督的分类方法，在分类过程中，无 计算对象点的局部密度来选取初始聚类