空间聚类算法中的K值优化问题研究.pdfVIP

18 3 系 统 仿 真 学 报© Vol. 18 No. 3 第 卷第 期 2006 年 3 月 Journal of System Simulation Mar. ， 2006 空间聚类算法中的K 值优化问题研究 李永森，杨善林，马溪骏，胡笑旋，陈增明 （合肥工业大学计算机网络系统研究所，合肥 230009 ） 摘 要：在典型的空间聚类算法 平均法和 中心法中， 一般为用户事先确定的值，然而，实 K- K- K 际中K 值很难被精确地确定，往往表现为一个模糊的取值区间。在此提出距离代价函数的概念， 建立了相应的数学模型并设计了一个新的K 值优化算法，对空间聚类K 值优化问题进行了初步的 研究。 关键词：空间聚类；K-平均算法；距离代价函数；K 值优化 中图分类号：TP311 文献标识码：A 文章编号：1004-731X (2006) 03-0573-04 Optimization Study on K Value of Spatial Clustering LI Yong-sen , YANG Shan-lin, MA Xi-jun, HU Xiao-xuan, CHEN Zeng-ming (Institute of Computer Network System, Hefei University of Technology, Hefei 230009, China) Abstract: The value of K is always confirmed in advance to exert K-means algorithm of spatial clustering. However, it can not be clearly and easily confirmed in fact for its uncertainty. A distance cost function was recommended. A corresponding math model was set up and a new optimization algorithm of K value was designed. A preliminary study on the optimization of K value for spatial clustering was realized by a simulation design. Key words: spatial clustering; K-means algorithm; distance cost function; optimization of K . 引 言1 型，并以距离代价最小准则实现了K 值优化算法。文章第一 部分概述了 K-平均算法及其实现过程；第二部分提出了距 空间聚类是空间数据挖掘和知识发现领域一个重要研 离代价函数的概念，并建立了基于距离代价函数的K 值优化 究方向，它与传统聚类方法的区别在于引入了空间距离维 算法；第三部分以实例实现了 K 值优化算法过程，并证实了 度，意在对具有空间分布属性的研究对象实现空间聚类。在 该算法的应用合理性；第四部分为全文总结。