基于层次的模糊K均值聚类算法研究1里面前4个是2-5.pdfVIP

安阳师范学院学报 47 基于层次的模糊 K均值聚类算法研究 苏 瑞 (广东商学院 经济与管理实验教学中心，广东 广州 510320) [摘 要]通过对K均值聚类算法的研究，本文提出了一种基于层次聚类与模糊聚类思想的K均值聚类算法。算法 首先使用层次方法对数据进行初始聚类 ，然后用得到的聚类数作为模糊 K均值聚类中的K值 ，对聚类进行修正。最后 通过实验，验证了该算法不需要人为假设聚类算法巾的K值，而且引入 了模糊隶属关系使类别的划分更接近于事实 ，从 而证明了该算法的有效性。 [关键词]层次；模糊 ；聚类；K一均值算法 [中图分类号]Tit393．02 [文献标识码]A [文章编号]1671—5330(2010)02—0047—40 O 引言 1 K一均值聚类 聚类是数据分析中的一项重要技术 ，是众多 科学领域和工程技术 中的一项基础性工作 。聚类 K—MEANS算法作为运用最多的一种传统的 分析被广泛应用于生物学、天体物理学、模式识 聚簇方法，其工作流程如下：首先，随机地选择 K 别、决策支持、数据挖掘、图像处理、最优化 问题 个对象，每个对象初始地代表 了一个簇 的平均值 等。所谓聚类是把 d维特征空间中的 Ⅳ个数据 点 或中心。对剩余的每个对象，根据其与各个簇 中心 分成 个不同的类，使类内数据点的相似度高、不 的距离，将其赋给最近的簇。然后重新计算每个簇 同类之问的数据点的相似度低H。j。这里的相似 的平均值，求出新的簇中心，再重新聚簇 。这个过 在特征空间中表现为距离近 ，所以距离可 以用来 程不断重复，直到准则函数收敛。该算法运行效率 对 2个数据点进行相似性测度。目前 已提 出的聚 较高，但缺点在于只能处理数值型数据、不能处理 类算法有很多，这些算法可以被分为基于划分方 分类数据 ，对例外数据非常敏感 ，不能处理非凸面 法 、基于层次方法 、基于密度方法 、基于 网格方法 形状的聚簇 。如果选取的初始聚类 中心不合适， 和基于模型方法。 将不仅影响收敛速度 ，还有可能使算法陷入局部 K一均值聚类是在各个领域用得最多的聚类 最优 。K一均值聚类就是 目前广泛应用的C均值 算法之一。它的主要特点是：对给定的数据集可能 聚类 ，其 核 心 思 想 是 ：将 凡个 向量 (X ， 存在 的类数 目需要作出假设 ；对用来代表某类的 2… … )分成 C个组(G ，G ，…G，…G。)，并求 类中心需要在迭代计算前做初始化；迭代计算出 每组的聚类 中t2,C，使得距离指标的价值函数达 的类 中心容易陷入某些满足局部最优 的值 中。可 到最小。选用欧几里德距离作为组 i中向量 瓦 与 以看 出，设定恰 当的类数 目和初始化合适 的类 中 相应聚类中心 C之间的非相似性指标 ，价值 函数 心是K一均值聚类算法中的关键 。本文通过在 定义为：J=∑ ∑ lI 一clI。这样，组内的价 K一均值聚类的基础上引人层次聚类来设定恰当 =1k．xk∈Gi 的聚类数 目、通过引入模糊 “隶属”关系，使每一 值函数 的值依赖于组 的几何特性和类 中心位置 。 个样本点以一定的概率属于某一类别 、并且可 以 划分后 的组一般通过一个 C Ⅳ的二维隶属矩阵 通过隶属度这个 自由参数来控制不 同类别的混合 来定义。如果第 个数据点 ，属于组 i，则 中的 程度 。