一种改进的蒙特卡罗交叉验证算法.pdfVIP

维普资讯 一 种改进的蒙特卡罗交叉验证算法 戴 涛 李春平 (清华大学软件学院，北京 100084) E-mail：daitao02@tsinghua．org．cn 摘 要 概率聚类的算法已经广泛地应用于聚类分析领域 ，但是这些算法都没有 回答如何选择一个最佳的聚类个数的 问题。该文首先分析 了通用的确定概率聚类个数的方法，然后针对蒙特卡罗交叉验证算法不能解决后验概率分散的问 题 ，提 出一种改进的蒙特卡罗交叉验证算法(iMCCV)。实验结果证明该算法可以有效地确定最佳K值 。 关键词 概率聚类 聚类个数 蒙特卡罗交叉验证 文章编号 1002—8331一(2004)30—0186-02 文献标识码 A 中图分类号 TP301 ． 6 An Improved M onte Carlo Cross--Validation Algorithm DaiTao LiChunping (SchoolofSoftware，TsinghuaUniversity，Beijing100084) Abstract：Probability—basedclustering algorithmshavebeenappliedinhteclusteringanalysisformanyyearsbuthtose ， algorihtmscannotanswerthequestion“How manyclusters?”Thisarticlenaalyzesthetraditional metllodsofrdetermining hte number of probbaility-based cluster and then introducesna improved Monte Carlo CrossValidation algorithm (iMCCV)．Th isalgorihtmsefficiencyhas beenprovedbyexperimentalresults． Keywords：probability—basedclustering，clusternumber，MonteCarloCross—Validation l 引言 第三种是惩罚似然的方法，利用从似然值的最大值 中减去 聚类技术就是将数据区分为具有相似特征的组 ，同时给出 一 项来确定 K值 。其中应用较广 的是贝叶斯信息判据 每个组特征描述的一种数据挖掘方法 ，是知识发现 的一种基本 (Bayesina InformationCriterion，BIC)的方法。在文献 4【】中定义 方法。在进行基于概率的聚类分析的时候，一般事先假设已知 BIC为： 数据被分为K组 ，然后通过概率聚类算法进行聚类 ，使得 同一 BIC=--21o~o(XIK)+const． 2LK(OIX)-mKlog(N) (1) 个聚类中的成员彼此相似，而不同聚类间的成员尽可能地不 其中Ⅳ表示数据个数 ，mK表示混合模型中独立参数的个 同。但是 ，如何在给定的数据集上得到最佳聚类个数?概率聚类