基于新聚类有效性函数的改进K-means算法.pdfVIP

第28卷第 l2期 计算机应用 V01．28No．12 2008年 12月 ComputerApplications Dec．2008 文章编号 ：1001—9081(2008)12—3244—04 基于新聚类有效性函数的改进 K—means算法 孙秀娟 ，刘希玉 (1．山东师范大学信息科学与工程学院，济南250014；2．山东师范大学 管理学院，济南 250014) (xjs1981524@126．Corn) 摘 要：在K—means算法中，聚类数 是影响聚类质量的关键 因素之一。 目前，已经提 出了许 多确定最佳k值的 聚类有效性方法，但这些方法都不能很好地处理两种数据集：类(簇)密度不同的数据集和类间距比较小的数据集 (含 有合并簇的数据集)。为此，提 出了一种新的聚类有效性函数，该函数定义为数据特征轴总长度的平方与最小类间距 的比值 ，最佳聚类数为这个比值达到最小时对应的k值。同时，为减小K—means算法对噪声和孤立点数据的敏感性 ， 使用了基于加权的改进K一平均的方法计算类中心。实验证明，与其他算法相比，基于新聚类有效性函数的K—wmeans 算法不仅降低 了噪声和孤立点数据对聚类结果的影响，而且能有效地处理上面提到的两种数据集，明显提高 了数据 聚类质量。 关键词：聚类；K—means算法；聚类有效性 中图分类号：TP301．6 文献标志码：A M odifiedK-meansalgorithm basedonnew clustervalidityindex SUNXiu-juan，LIUXi—yu。 (1．SchoolofInformationScienceandEngineering,ShandongNormalUniversity,JinanShandong250014，China； 2．SchoolofManagement，ShandongNormalUniversity，JinanShandong250014，China) Abstract：Theclassnumber isoneofthekeyfactorstoinfluenceclusterqualityinK—meansalgorithm．Severalcluster validitymeasureshavebeenproposedforconfirmingtheoptimalkvalue．However,theexistingmethodsmaynotworkwellfor thefollowingtwokindsofdatasets：thedatasetcontainingclustergroupswithdifferentdensitiesandthedatasetinwhichthe clustergroupsareextremelyclosetoeachother．Therefore．anewclustervalidityindexwasproposed．Theindexwasdefined astheratiovaluebetweenthesquaredtotallengthofthedataeigen—axesandthebetween—clusterseparation(thedataset containingmergedclustergroup)．Ifthevaluereachestheminimum，theclusteringnumberistheoptimalone．Atthesame time，i’nordertoreducethesensitivityofK—meansalgorithm toisolationpointandnoise，aK—wmeansclusteringalgorithm basedonweight