基于单点密度的kmeans算法优化pdf.pdfVIP

福 建 电 脑 UJIAN COMPUTER F 基于单点密度的Kmeans算法优化 汪宜东 （厦 门大学软件学院 福建 厦 门 361005） 【摘 要】Kmeans 是一种经典聚类算法，应用范围很广。但该算法有着 自身的一些缺点，如不能消除离群点的影响 ， 对初始聚类 中心的选取敏感 ，聚类结果不稳定等。本文基于单点密度来屏蔽离群点和选取初始聚类 中心，达到优化 Kmeans 的 目的，该算法简称 SDKmeans（Single density kmeans）。实验证明，SDKmeans 算法能获得较好较稳定的聚类结 果。 【关键字】Kmeans；密度聚类；算法优化 1引言 式，它是按样本点的顺序周期性地分配给k 个聚簇。缺点是对 聚类分析是人工智能研究的重要领域，是一种无监督的学 样本点的顺序敏感。 习方法。聚类分析的应用领域有商务智能、文本挖掘、模式识 极大极小方法[7，8] 随机选取第一个初始中心，再从剩下的点 别、机器学习、数据挖掘等领域。聚类算法能够应用不同的策略 中选取到已选取初始中心点的距离的最小值中的最大值所对 将数据集中相似的点划分到一个聚簇，聚类算法一般可分为基 应的点，依此选取剩下的初始中心点。解决的问题：选取的初始 于层次的、基于划分的、基于密度的聚类算法。层次聚类方法可 聚类中心点间距离太近，该算法符合类间距离越大越好这条准 以进一步分为凝聚和分裂，如CURE；基于划分的聚类方法有 则，但该算法第一个初始中心的选取有待改进。 Kmeans、模糊C 均值；基于密度的聚类方法有DBSCAN、OP－ Bradley 和Fayyad 的方法[9] 首先将样本点集随机分成J 个 TICS 。在各种聚类方法中，Kmeans 算法因其简单、实用，因而得 子集，每个子集分别用MacQueen 方法中提出的第二种方法进 到了广泛的应用。同时从Kmeans 算法提出以来，一直有针对它 行kmeans 聚类，得到J 个聚类中心集，这些数据集组成超集， 进行改进的研究工作。 再用kmeans 算法聚类J 次，每次用不同的聚类中心集，再根据 本文针对Kmeans 的对离群点和初始聚类中心的选取敏感 SSE 来进行选择最后的中心集，这种方法对于子集的划分数不 这两个缺陷进行改进，提出了SDKmeans 算法，解决其三个问 好确定。 题，分别是离群点的影响、初始聚类中心[1] [10] 选取、聚类结果不稳 Hartigan 的方法 先计算样本集中所有点到平均中心点的 定，正是由于该算法有确定的初始聚类中心，所以它的聚类结 距离，对距离进行排序，分成k 段，将每段的第一个点作为初始 果稳定。 中心。 [11] 本文剩余部分有：第2 节，简要介绍了Kmeans 改进算法的 Al-Daoud 的方法 选取方差最大的属性，依照该属性对样 研究现状；第3 节，介绍了本文改进的方法原理；第4 节，相关 本点进行排序，按该属性值将数据集分成K 组，每组中位数所 实验及结果将会在该部分给出；第5 节，本文的小结部分，将会 在点作为初始中心点。缺点：只适合所有属性中有一个属性权 对本文提出的算法进行总结和展望。 重最大。 [12] 2研究现状