基于多叉树确定K值的动态K-means聚类算法.PDF

第27卷摇 第6期 计 算机 技 术 与发 展 Vol.27摇 No.6 2017年6月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 COMPUTERTECHNOLOGY AND DEVELOPMENT摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 June摇 2017 基于多叉树确定K 值的动态K-means聚类算法 鲍黎明,黄摇 刚 (南京邮电大学计算机学院,江苏 南京 210003) 摘摇 要: -means聚类算法是基于划分的经典聚类算法之一,因其简洁、高效得到了广泛的应用。 -means算法具有容易 K K 实现、时间和空间复杂度较小的优点。 但该算法的初始聚类数 通常不能通过有效的手段事先确定,其初始聚类中心往 K 往是随机选取的,易收敛于局部最优解,造成聚类结果的不准确。 基于多叉树确定 值的动态 -means聚类算法是对传 K K 统算法的改进,力求在迭代过程中动态分裂合并簇来确定最合理的聚类数,并且能在一定程度上解决聚类结果收敛于局 部最优解的问题。 文中还探索了相应的数据模型以支持所改进算法的研究,并从横向与纵向两方面与二分 -means算法 K 作了对比实验。 实验结果表明,改进后的 -means算法不依赖于全局数据集,更适用于分布式平台运算;算法相对效率随 K 着数据集规模的增大,特别是在洪量数据集下具有明显的优势。 关键词: -means;聚类;分裂;合并;多叉树 K 中图分类号:TP301.6摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2017)06-0041-05 doi:10.3969/j.issn.1673-629X.2017.06.009 A Dynamic Clustering Algorithm of K-means Based on Multi-branches Tree forK-values BAO Li-ming,HUANG Gang (School of Computer,Nanjing University of Postsand Telecommunications, Nanjing210003,China) Abstract:K-meansalgorithm isthe oneofmostclassicalclusteringalgorithmswithrepartitionandhasbeenwidelyusedbecauseit爷sre鄄 ally concise and efficient.What爷smore,it hasadvantages such asbeing easy to be implemented and low cost of complexity in running time and storing space.However,it爷sno