基于邻域模型的K-means初始聚类中心选择算法.pdf

基于邻域模型的K-means 初始聚类中心选择算法1 1，2 1，2 1，2 曹付元 ，梁吉业 ，姜广 1 计算智能与中文信息处理省部共建教育部重点实验室，太原 (030006) 2 山西大学计算机与信息技术学院，太原 (030006) E-mail ：cfy@ 摘 要：传统的 K-means 算法由于其方法简单，在模式识别和机器学习中被广泛讨论和应 用.但由于 K-means 算法随机选择初始聚类中心，而初始聚类中心的选择对最终的聚类结果 有着直接的影响，因此算法不能保证得到一个唯一的聚类结果. 本文利用邻域模型中对象邻 域的上下近似，定义了对象邻域耦合度和分离度的概念，给出了对象在初始聚类中心选择中 的重要性，提出了一种初始聚类中心的选择算法. 另外，分析了邻域模型中三种范数对聚类 精度的影响，并和随机选择初始聚类中心、CCIA 选择初始聚类中心算法进行了比较，实验 结果表明，该算法是有效的. 关键词：邻域模型；初始聚类中心；K-means 聚类；粗糙集 聚类分析是数据挖掘研究和应用中的 的影响，聚类结果只能是局部最优，且不能 一个重要部分，由于聚类算法不对数据作任 保证得到一个唯一的聚类结果. 针对初始聚 何统计假设，在模式识别和人工智能等领 类中心的选择，许多学者进行了研究. R. O. 域，聚类算法常被称为一种无监督的学习. Duda 和P. E. Hart 提出了一种初始平均值的 聚类分析是将数据对象分组成多个类或多 回归方法[9]. P. S. Bradley 等提出了一种优 个簇，在同一个簇中的对象具有较高的相似 化初始点的过程[10]. J. M. Penā 等对 度，而不同簇中的对象差别较大[1]. 目前聚 K-means 算法的不同初始方法进行了比较 类分析已被广泛应用于金融欺诈、医疗诊 [11]. S. S. Khan 和A. Ahmad 提出了一种针 断、图像处理、信息检索和生物信息学等研 对 K-means 算法的聚类中心初始化算法 究领域. （CCIA ）[12]. 实验结果表明这些算法都优 自20 世纪60 年代以来，聚类算法被广 于传统的K-means 算法，且随机和Kaufman 泛研究并得到了很好的应用[2-5]，其中 1967 初始化方法优于其它的初始化方法，因为它 年Q. J. Mac 提出的K-means 聚类算法[6]， 不依赖于对象的序[11]. 由于其方法简单，已成为当前最流行的聚类 T. Y. Lin 提出了邻域模型的概念[13]， 算法之一，特别数据分布呈现类内团聚状， 该模型通过空间点的邻域来粒化论域空间， 该算法能得到很好的聚类结果. 但 K-means 将邻域理解为基本信息粒子，用来描述空间 算法只适用于数值型数据，因此许多研究者 中的其他概念. Y. Y. Yao 和W. Z. Wu 分别研 对K-means 算法进行了扩展，Z. X. Huang 究了 1-step 和 k-step 邻域信息系统的性质 提出了K-modes 和K-prototypes 算法[7]. A. [14，15]. Q. H. Hu 等利用拓扑空间中球形邻 Ahmad 提出了针对混合数据的 K-means 聚 域的概念，构造了基于邻域粗糙集模型的特 类算法[8]. 但