基于K-means的最佳聚类数确定方法研究.pdf

ISSN1009-3044 E-mail:eduf@ ComputerKnowledgeandTechnology电脑知识与技术 第10卷第1期 (2014年1月) ComputerKnowledgeandTechnology 电脑知识与技术 Vol.10,No.1,January2014 Tel:+86-55165690964 基于K-means的最佳聚类数确定方法研究 李红岩 ，胡林林 ，王江波 ，周红芳1 1 1 2 (1.许继电源有限公司，河南许昌416000；2.西安理工大学计算机科学与工程学院，陕西西安710048) 摘要：确定数据集的最佳聚类数是聚类研究中的一个重要难题。为了更有效地确定数据集的最佳聚类数，该文提出了通 过改进K-means算法并结合一个不依赖于具体算法的有效性指标Q(c)对数据集的最佳聚类数进行确定的方法。理论分 析和实验结果证明了该方法具有良好的性能和有效性。 关键词：K-means；最佳聚类数；聚类有效性指标；聚类 中图分类号：TP311 文献标识码：A 文章编号：1009-3044(2014)01-0110-05 AMethodforDeterminingVintageNumberofClustersBasedonK-meansAlgorithm LIHong-yan1,HUlin-lin,WANGJiang-bo,ZHOUHong-fang1 1 2 (1.XUJIGroupCorporationofNationalGridofChina,Xuchang416000,China;2.SchoolofComputerScienceandEngineer⁃ ing,Xi’anUniversityofTechnology,Xi’an710048,China) Abstract：Determiningtheoptimalnumberofclustersinadatasetisadifficultproblemintherelativeresearchfieldofcluster.To resolvethisproblemeffectively,amethodforgettingtheoptimalclusternumberinamassivedatasetisproposedbasedonK- meansalgorithmandclusterqualityvalidityindex Q(c).Theoreticalanalysisandexperimentalresultshaveverifiedtheeffective⁃ nessandgoodperformanceofthealgorithm. Keywords: K-means;optimalnumberofclusters;clusteringvalidityindex;clustering [1] 传统的获取最佳聚类数的算法一般是采用的是基于一种迭代的trial-and-error过程 ，来获取数据集的最佳聚类数目。由于 k-means算法适用于大型数据集的处理，且其效率比较高，特别是当数据集中的数据对象分布呈现类内团聚状时，所得到的聚类结 果往往是比较好的。在实际中，由于用户缺乏丰富聚类分析的经验，所以能够准确地确定数据集的聚类数k的值是一个非常困难 的问题[2]，这样就大大限制的该算法应用，而且确定的k值也往往不能保证是合适的，就需要结合一些有效性指标来确定其最佳聚 类数，目前已经提出了一些检验聚类有效性的指标，主要代表有 [3] [1] V 指标 、V 指标 等。由于这些指标都是基于其他算法提出的，