Kmeans聚类分析算法中一个新的确定聚类个数有效性的指标.pdfVIP

维普资讯 ■■ 第20卷 第4期 河 北 省 科 学 院 学 报 Vo1．20 No．4 2003年 11月 JournaloftheHebeiAcademyofSeiences Nov．2O03 文章编号 ：1001—9383(2003)04—0199—40 K-means聚类分析算法 中一个新的确定 聚类个数有效性 的指标 李双虎 ，‘王铁洪 (1．河北省科学院应用数学研究所，石家庄 050081； 2．河北省科学院自动化研究所 ，石家庄 050081) 【摘 要J K-means算法是聚类分析中使用最为广泛的算法之一。然而，该算法通常受到初 始聚类条件的影响。关于这个问题 的详细讨论可参看文献…。该算法的另一个不足之处是， 聚类数 目K必须作为参数 由用户提供 。笔者提出了一个新的有关聚类有效性的度量指标和优 化的K-means算法。它能 自动确定最佳聚类个数。 【关键词】 聚类分析；K-means算法；有效性度量；指标 【中图分类号】TP301．6 【文献标识码】 A New validity indexfordeterm iningthenumber ofclustersin K-m eansclustering LIShuang．hu’W ANG Tie—hong ． (J．InstituteofAppliedMath．．HebeiAcademyof＆ nccs，Shijiazhuang050081，China； 2．InstituteofAutomation。HebeiAcademyofSciences，Shijiazhuang050081，China) Abstract K—MeansClusteringAlgorithm isoneofthemostpopularmethodsin cluster analysis．However．itiswellknown thatK．meansalgorithm suffersfrom initialstarting conditionseffects(initialclustering and instance ordereffects)． Formore detailed discussiononinitializationmethods。seeliterature [1]．Anotherweaknessofk-means algorithm isthatthenumberofclusters，k，mustbesuppliedasaparameter．Inthispaper， anew validitymeasurefork-meansclusteringispresentedtoallow thenumberofclustersto bedeterminedautomatfcally． Keywords Clusteranalysis；K—MeansAlgorithm ；Validitymeasure；Index 聚类分析的 目的在于把数据集 中的数据划分为一系列有意义的子集 (或称类)，使得每个子集中的 数据尽量 “相似’’或 “接近”，而子集与子集 间的数据尽可能有 “很大差异 ”。聚类分析通常遇到的困难 是 ： (1)聚类个数 K并不能预先确定 。我们需要找到一个有效性指标 ，来确定最佳聚类个数。 (2)类中心点不能预先知道 ，需要用某种方法初设 “种子”。 1 K．means聚类算法 K．mans聚类算法 的主要思想可用下式描述 ： 07-18 作者简介 ：李双虎 (1963一-))’男删 E安国市人’鲫 究