几种聚类方法比较.pdfVIP

几种聚类方法的比较 李世蜂 黄磊 铷昌平 中国科学院自动纯研究所 E-maih shifengJi@maiLia．ac．cn 摘要：聚类已经不仅仅限于经典的模式识别领域，而广泛应用于统计理论、机 器学习和数据挖掘．除了提取样本的统计分布特征作为识别的有力手段，聚类在 高维、大规模数据库的数据分析方面也发挥着越来越重要的作用，推动了相关理 论的快速发展．本文介绍了聚类中常用的若干方法及其改进，提出一种新的聚类 方法，并应用于脱机手写数字的识副，以期通过比较反映这些方法的某些特性． 关键词：聚类算法，合法性． Evaluationof ClusteringAlgorithms LIShi-feng,HUANGLei,LIUChang-ping Abstract：lnadditionto toclassicaI domain． application patternrecognition hasbeen usedinstatisticaI and clustering widely theory,machineIearning data wellasa toolin statistical mining．As powerfulrecognitionbyextracting featuresin is amoreandmore lyinginputpatterns．clusteringplaying important roleindata analysisofhigh—dimensional，large．scaledatabases，thus a theoretic summarizessome promotingrapid development．Thepaper used andnew in one cqmmonlyalgorithmsimprovement whichisadvancedforthefirsttimeus．whichare Inoff-line by implemented hand-written evaluatethe digitsrecognition．to property． words：Clusteringalgorithm，Evaluation． Key 1．引言 聚类可以定义为将一群数据组织为若干个内部成员相似的群体的过程：作为一种反映 数据特征的手段．聚类的目的是使数据样本的类内相似性晟大．而使类问相似性最小．总体 上来说。聚类方法分为两种：分割聚类(Partitional Clustering)． 分割聚类是一种平面聚类．其本质是将所有输入样本用若干个具有代表意义的中心点来 表征。这些中心点形成字典用于匹配．在定义花费函数c：{z：xES)—÷婀+后，分割聚 ．103． 类转化为使总花费函数yc(S。)最小化的优化过程．常用的花费函数如平方和函数．分割 百 聚类优化准则的普遍缺陷是聚类结果偏于超球型结构．同时对“噪声”处理程度不够．K． 均值作为一种典型的分割聚类，因其理论简单且易于实现得到了广泛的应用，但只能逼近局 部最优而非全局最优，且对初值的选取敏感