基于DKC值的K-means改进聚类算法的研究.pdfVIP

第 34卷第 1期 企 业 技 术 开 发 2015年 1月 Vo1．34 No．1 TECHNOL0GICAL DEVEL0PMENT OF ENTERPRISE Jan．2015 基于DKC值的K-means改进聚类算法的研究 周 娟 1,2 1．湖南大学 信息科学与工程学院，湖南 长沙 410082；2．湖南安全技术职业学院，湖南 长沙 410151 摘 要：由于K—means算法的中心点是随机选择的，这样会导致聚类结果很不稳定，同时，孤立点的存在也会影响到聚类 的精度，为解决这些问题及二者之间互相牵制，文章基于DCK值来对初始聚类中心进行选择，同时去除数据中的孤立 点，使得聚类中心相对稳定，再利用改进的k-means算法对数据进行聚类，改进后的算法较原始算法更准确。 关键词 ：DKC值 ；K—means算法 ；初始点选取 ；孤立点 中图分类号：TP18l 文献标识码 ：A 文章编号：1006—8937 2015 01—0024—03 D0I：10．14165／j．cnki．hunansci．2015．O1．009 StudyonK-meansDKC valuebasedonimprovedclusteringalgorithm ZHOUJuan， 1．SchoolofInformationScienceandEngineering，HunanUniversity，Changsha，Hunan410082，China； 2．HunanVocationalInstituteofSafetyTechnology，Changsha，Hunan410151，China Abstract：Tosolvetheproblem thatrandomlyselectedclustercentersinK-meansclusteringalgorithm canleadtouncertaintyof clusteringresultsnadtheclusteringaccuracywillbeaffectedbythepresenceofoutliersandthemutualaffectionbetweenthetwo．In thispaper，theoriginalsampledatasetswillbepreprocessedtoeliminateoutliersbasedontheDCK．Atthesametimetheinitialcluster centerswillbedetermined，whichmakestheclustercenterisrelativelystable．Thenthedatawillbeclusteredbyusingtheimproved k-menasclusteringalgorithm provetobemoreaccuratethna theorigina1． Keywords：DCK；K-meansalgorithm；initialpointselected；outliers 基因表达数据蕴含着人类基因的活动信息，能帮助 类效率低 。 我们深入认识诸多生物过程的本质。而在基因表达数据 目前的研究，主要针对上述的两个缺陷进行改进，对 中，由于基因数据量大，生物网络复杂，如何从大量数据 它们之间的互相作用研究较少。如初始聚类中心的确定 ， 中提取出有关基因的结构与功能信息，找出在功能上相 国外学者RedmondSJ结合数据密度分布和KD—Tree进 互关联的基因成为基因表达数据分析的主要 内容。聚类 行选择；国内学者傅德胜、周辰选择相互距离最远的k个 分析成为 目前处理基因表达数据的一种常用的有效技 处于高密度区域的点作为聚类中心。关于孤立点方面的 术 。聚类是将相似的数据聚成一类 ，目前 ，聚类的方法 研究不多 ，虽然张健民提出了一种孤立点过滤的改进算 有多种，常见的聚类方法有基于划分的K—means算法 、 法 ，但没有考虑到初始中心的选择。 k-medoids算法 ；基于层次聚类的CURE、CHEMALOEN算 考虑到上述改进 中均未考虑到两个缺陷的互相影 法；基于密度的DBSCAN、OPTICS算法；基于网格的STING、 响，因此 ，笔者提出一种基于DCK值的改进K—means算法 WaveCluster算法；基于神经网络的SOM算法等。 来消除二者的相互影响。在剔除孤立点和完善初始聚类 K—means算法，是一种经典算法 ，它具有算法简单且 中心后，再用改进的k—means算法进行聚类 ，同时 ，对输 收敛速度快的特点。但该方法也有许多不足：首先，它是 入数据进行加权处理 ，使得聚类结果更准确。 随机选择初始的中心点 ，这样聚类结果波动很大