一种判断聚类有效性的新指标.pdfVIP

计算机研究与发展 ISSN1000—1239／CN11-1777／TP of Researchand JournalComputer Development 42(增刊)：38～42，2005 一种判断聚类有效性的新指标 安 静 姜青山 (厦门大学软件学院厦门361005) (ancui8003@126．tom) ANew for ClusterNumber ValidityDetermining An and Jing Jiang Qingshan (SchoolofSoftware，溉amenUniversity，Xiamen361005) Abstract indexisthe in orbad．Ifthereisanunsuitable Clusteringvalidity keyjudgingclusteringgood initial resultisnotconformedtothedatasetanditcancausea clusteringnumber，clustering largediversity． Anewcluster indexbased c—means is candowellin validity fuzzy algorithmproposed，which combining cohesionand resultsobtainedshowthenew indexcan the cluster discrepancy．The validity give optimal number and onthree datasetsand toothercluster throughtestinganalysis representativecomparing validity index． words c—means Key validityindex；fuzzyclustering；fuzzy 摘要聚类有效性问题是判断聚类结果优劣的关键问题，如果初始聚类数选取得不合适，会使聚类结 果与数据集的真正结构不相符，从而导致聚类结果产生较大的差异性．针对模糊C一均值(FCM)聚类算 法提出了一种判断聚类有效性的新指标，它可以对类闻有交叠或多孤立点的情况做出准确的判断．通 过对大量的有代表性的数据进行了测试分析并与当前较广泛使用的其他聚类有效性指标进行了比较， 实验结果表明，新的有效性指标能够准确地给出最优的聚类数． 关键词有效性指标；模糊聚类；模糊C均值(FCM) 中图法分类号TP391 似性质的样本尽可能地在不同的类别中．目前常用 1 引 言 的聚类分析方法有k均值(志．Means)、模糊C一均值 (FCM)聚类算法、统计的方法、神经网络方法等． 聚类是按照一定的规律和要求对事物进行区分 随着模糊集理论的形成和发展，模糊聚类的方 和分类的过程，是要让生成的类内的任意两个对象 法日趋成熟，因此，在众多的聚类分析方法中，基于 之间具有较高的相似度，而属于不同类的两个对象 目标函数的模糊C．均值(FCM)聚类算法是较为完 问具有较高的相异度Llj．聚类分析则是利用数学的 善、应用最为广泛的聚类方法，该方法能够较好地适 方法研究和处理给定对象的分类．它把一组样本按 用于大数据量的情况，并且具有设计简单、易于实 照某种规则划分成若干个子集，