K2means算法中的k值优化问题研究.PDF

　2006 年 2 月 系统工程理论与实践 第 2 期 　 ( ) 文章编号 2006 Kmeans 算法中的 k 值优化问题研究 杨善林 ,李永森 ,胡笑旋 ,潘若愚 (合肥工业大计算机网络系统研究所 ,安徽 合肥 230009) 摘要 : 　在空间聚类中 ,最佳聚类数 k 求解的关键是构造合适的聚类有效性函数. 典型 K平均算法中的 聚类数 k 必须是事先给定的确定值 ,然而 ,实际中 k 很难被精确地确定 ,使得该算法对一些实际问题无 效. 文章提出距离代价函数作为最佳聚类数的有效性检验函数 ,建立了相应的数学模型 ,并据此设计了 一种新的 k 值优化算法. 同时 ,给出了 k 值最优解 kopt 及其上界 kmax 的条件 ,在理论上证明了经验规则 k ≤ 的合理性 ,实例结果进一步验证了新方法的有效性. max n 关键词 : 　空间聚类 ; K平均算法 ;距离代价函数 ; k 值优化 中图分类号 : 　TP3914 　　　　　　　　文献标识码 : 　A 　　　 Optimization Study on k Value of Kmeans Algorithm YAN G Shanlin , L I Yongsen , HU Xiaoxuan , PAN Ruoyu ( Institute of Computer Network System , Hefei University of Technology , Hefei 230009 , China) Abstract : 　In spatial clustering , the key factor to solve the problem of optimal class number is to construct a proper cluster validity function . The value of k must be confirmed in advance to exert Kmeans algorithm. However , it can not be clearly and easily confirmed in fact for its uncertainty. This paper recommends a distance cost function based on Euclidean distance to confirm the optimal class number , sets up a corresponding math model and designs a new optimization algorithm of k value . At the same time , the conditions of optimal solution kopt and its up limit kmax are presented in this paper . The experiential rule which is usually expressed as kmax ≤ n is theoretically proved to be reasonable . Results come from the example also show the validity of this new algorithm. Key words : 　spatial clustering ; Km