基于方向约束的对称距离聚类算法.pdfVIP

!(20 ComputerEngineeringn 和 co计算机工程与应用 基于方向约束的对称距离聚类算法 陈强业 ，李际军 CHENQiangye ，LIJijun 1．浙江大学 计算机科学与技术学院，杭州 310027 2．浙江大学城市学院 信息化办公室，杭州 310015 l~CollegeofComputerScienceandTechnology, ZhejiangUniversity,Hangzhou310027，China 2．InformatizationOffice，ZhejiangUniversityCityCollege，Hangzhou310015，China CHENQiangye，LIJijun．Clusteringalgorithmbasedonsymmetrydistancewithdirectionconstraint．Computer EngineeringandApplications，2015，51(20)：120．125． Abstract：K-meansisawellstudiedandwidelyusedclusteringalgorithm indatamining ． Therearemanyclusteringalgo． rithmsevolvedfrom K-means．Forexample，thesymmetry-basedversionoftheK-meansalgorithm usingthepointsym． metrydistanceasthesimilaritymeasureisproposedatrecentyears．Inthispaper，anew clusteringalgorithm basedon pointsymmetrydistanceclusteringalgorithm isproposed．Thedirectionconstraintisputforwardafterstudyingthepro— pertiesofsymmetry toenhancethedescriptionofsymmetricdistanceandimprovetheaccuracyofclustering．Forthefact thatsymmetryistherelationshipbetweentwopoints，thestrategyofconvergenceismodifiedtousethemidpointofthe symmetry pairtocalculatetheclustercenters．Theconvergenceperformanceofclusteringisimproved．Bynumericalsimu- lationitshowsthattheproposedalgorithm reachesamoreaccurateresultwiththesamecomputationalcomplexityasthe existingone． Keywords：K ·meansalgorithm；clustering；symmetry distance；directionconstraint 摘 要：．means算法是数据挖掘领域研究、应用都非常广泛的一种聚类算法，其各种衍生算法很多，其中包括近年 出现的以点对称距 离为测度的K-means聚类算法。在点对称距离聚类算法的基础上提出一种新的聚类算法，根据对 对称性的分析，为对称性的描述增加方向约束，提高对称距离的描述准确性，以此来提高聚类的准确性。同时，针对 对称点成对出现的特点，调整 了聚类过程 中的收敛策略，以对称点对连线 中点计算聚类中心，改善了基于对称距离 的聚类算法收敛性能。通过数值仿真比较 了所提算法与原有算法的优劣，结果显示该算法在计算复杂度不变的条 件下获得 了更准确的结果，聚类结果更接近数据的真实分类。 关键词：K-means算法；聚类；对称距离；方向约束 文献标志码：A 中图分类号：TP301．6 doi：10．3778／j．issn．1002．8331．13100l18 1 引言 法是使用最广的一种 ，具有简单易操作 ，运算速度快等 聚类分析是将数据点按一定的相似准则进行分类 优点，但也存在对初始