基于 Hub 的高维数据初始聚类中心的选择策略①.PDF

2015 年 第 24 卷 第 4 期 计 算 机 系 统 应 用 ① 基于Hub 的高维数据初始聚类中心的选择策略 张巧达, 何振峰 (福州大学 数学与计算机科学学院, 福州 350108) 摘 要: 针对基于 Hub 的聚类算法K-hubs 算法存在对初始聚类中心敏感的问题, 提出一种基于 Hub 的初始中心选 择策略. 该策略充分利用高维数据普遍存在的Hubness 现象, 选择相距最远的 K 个 Hub 点作为初始的聚类中心. 实 验表明采用该策略的 K-hubs 算法与原来采用随机初始中心的 K-hubs 算法相比, 前者拥有较好的初始中心分布, 能 够提高聚类准确率, 而且初始中心所在的位置倾向于接近最终簇中心, 有利于加快算法收敛. 关键词: Hubness; 初始中心; 最大最小距离方法; 高维数据; 聚类 Hub-Based Initialization for K-hubs ZHANG Qiao-Da, HE Zhen-Feng (School of Mathematics and Computer Science, Fuzhou University, Fujian 350108, China) Abstract: K-hubs is a Hub-based clustering algorithm that is very sensitive to initialization. Therefore, this paper proposes an initialization method based on Hub to solve this problem. The initialization method takes full use of the feature of the Hubness phenomenon by selecting initial centers that are the most remote Hub points with each other. The experimental results show that compared with the random initialization of ordinary K-hubs algorithm, the proposed initialization method can obtain a better distribution of initial centers, which could enhance the clustering accuracy; moreover, the selected initial centers can appear near the cluster centers, which could speed up the convergence of the clustering algorithm. Key words: Hubness; initial center; maximin method; high-dimensional data; clustering 聚类分析作为数据挖掘研究的重要手段之一, 已 —Hubness 现象— 的论文陆续出现[2-4], 提供了一种新 被广泛应用于机器学习、统计分析、模式识别、图像 思路来解决“维度灾难”带来的挑战. Hubness 现象是指 处理等领域. 随着数据采集技术的进步, 现实生活中 高维数据里某些数据点更频繁出现在其他数据点的 k 各个领域的数据呈现高维度化的趋势. 高维数据存在 最近邻列表中, 而且这一趋势会随着维度的增加而更 着不同于低维数据的特征, 使得许多适用于低维空间 加明显. 这种现象是高维空间的一种内在特征, 对机