基于距离的划分聚簇算法.pdfVIP

Web信息挖掘与检索 3 基于距离的划分聚簇算法 叶若芬李春平 (清华大学软件学院北京100084) 摘要：k-means算法在聚簇大的数据集时是公认比较有效的算法之一，然而它只能应用在具有数值属性 描述的数据对象集合上，这种数据对象叫做数值数据；却无法应用于真实世界中具有其他形形色色属性 的数据对象集合上，比如颜色、纹理、形状等特征描述的数据对象集合，这种数据叫做分类数据．为了 能对分类数据进行聚簇，对k．means算法进行了扩展，出现两种新的算法：一种是k．modes算法，另一种 分布状况的情况下能较准确地确定这3个参数值是很不容易的，改进的k。modes算法有效解决了这一问题． 关键词：聚簇，k-meaus，k-modes，k-prototypes，相异度 Distance-basedPartition ClusteringAlgorithm YeRuofen—Li Chunping (School 100084，China) ofSoftware,TsinghuaUniversity，Belling Abstract：Thek-means iswellknownforits in data algorithm efficiencyclusteringlarge onnumericvalues itfrom usedtoclusterrealworlddata only prohibitsbeing containingcategoricalvalues，such asthosedatawhoseattributesis and etc．Tocluster k—modes color,texture values，the shape categorical algorithm and were itis forusersto thenumberof necessary predefme clusters，the k-prototypesalgorithmpresented．Yet centerofaclusterandtheinitialthresholdforthese isdifficultto thenumberofclustersand algorithms．It judge initial thedistributionofthe data．Theissueisaddressedinthis the thresholdwhilenot understanding original foran k-modes paper improvedalgorithm． Keywords：Cluster，k·means，k-modes，k-prototypes，Dissimilarity 1引言 数据挖掘是数据库研究、开发和应用最活跃的分支科学之一，从大量数据中用非平凡 的方法发现有用的知识和人们感兴趣的数据模式成了人们的一种自然需求‘11。随着数据挖 掘研究的蓬勃发展，出现很多数据挖掘的方法，其中聚簇是最基本的方法，它既可以独立 eli@tsinghua．edu．cn，电话：010 4