一种改进的K-均值聚类算法.pdfVIP

第26卷第2期 重庆工商大学学报(自然科学版) 2009年4月 J Technol SeiE VoL26NO．2 ChongqingBusiness 1) Univ．(Nat Apr．2009 文章编号：1672-058X(2009)02—0144—04 一种改进的K一均值聚类算法书 但汉辉1，张玉芳1，张世勇2 (1．重庆大学计算机学院，重庆400044；2．重庆工商大学计算机科学与信息3-_程学院，重庆400067) 摘要：为了改进K—means聚类算法的不足，把混合粒子群优化算法引入到K—means聚类算法 中，重新选取编码方式并构造适应度函数，在此基础上提出了一种改进的K—means聚类算法；通 过两个经典数据集的测试，实验结果表明：改进的算法比K—means算法具有更好的全局寻优能 力、更快的收敛速度，且其解的精度更高对初始聚类中心的敏感度降低。 关键词：混合粒子群优化算法；K一均值；聚类算法． 301．6 中图分类号：IP 文献标识码：A 分方法，当结果簇是密集的且簇与簇之间的区别明显时，它的效果较好，对于较大的数据集该算法也具有 较高的效率和相对的可伸缩性，目前该算法已经被广泛地应用于统计学、机器学习、空间数据库、生物学 和市场研究等领域的实际应用和研究中。但在应用中越来越多的研究者发现该算法存在一些缺陷，主要 有：不适用于有分类属性的数据，并且聚类结果随初始聚类中心的不同而可能不一样，有时甚至出现无解 的情况；不适用于结果簇差别很大的数据集；必须事先给出簇的数目，增加了用户的负担；后期收敛速度 较慢；通常以局部最优结束等。这些缺点极大地影响了K—means算法在各个具体领域中的进一步应用。 近年来许多文献提出了针对K—means算法的改进方法，归纳起来主要有：结合遗传算法的改进，结合免 疫算法的改进，结合群智能的改进，结合模拟退火的改进。如基于进化编程的聚类算法旧1、混合遗传聚类 算法一]、基于免疫规划的K—means聚类算法HJ和人工免疫C一均值混合聚类算法∞1，这些算法采用不同 化算法的思想来改进K—means算法，具体做法是把混合粒子群优化算法这种全局搜索能力强且具有并 初始聚类中心敏感的缺陷。通过经典数据集的对比测试，实验结果表明这种改进是有效的，改进后的算 法明显优于K—means算法。 1 K—means算法及其缺陷 K—means算法思想比较简单，首先随机选择k个初始聚类中心，其中k是一个已知参数，即聚类(簇)个 数，然后把每个点指派到最近的聚类中心，指派到一个聚类中心的所有点的集合构成一个簇，接下来根据指 派到簇的点，更新每个簇的聚类中心i重复指派和更新过程，直到簇不发生变化或者聚类中心不发生变化，这 时聚类准则函数已经收敛，算法结束。 of 算法l：K—means算法；输入：聚类数据集，聚类个数后；输出：聚类中心，最小的误差平方和(sum I squared error，SSE)值SSE=∑∑o(c。，算)2，簇(类)划分标识。 收稿日期：2008一12一05；修回日期：2009一Ol—ll。 }基金项目：重庆市科委自然科学基金计划资助项目(CSTC．2007BB2372)。 作者筒Jr：但汉辉1979一)，女，重庆市合川入，硕士研究生，从事信息网络、信息系统和数据挖掘研究。 万方数据 第2期 但汉辉，等：一种改进的K一均值聚类算法 145 步骤： 。 (1)给定含n个数据元素的数据集，随机选取k个元素或者通过随机指派rt个数据元素到k个类中来获 得初始聚类中心c，(，)，，=1，．f=1，2，3，…，k。