几个初始聚类中心选取算法的比较研究.docVIP

几个初始聚类中心选取算法的比较研究 传统的k均值算法对初始聚类中心敏感。 在实际应用中，找到一组初始中心点，从而获得一个较好的 聚类效果并消除聚类结果的波动性对k均值算法具有重要意 义。本文对文献提出的基于Huffman树构造的思想选取初始 聚类中心、基于均值-标准差选取初始聚类中心、基于密度 选取初始聚类中心、采用最大距离积法选取初始聚类中心等 4个算法从算法思想、关键技术等方面进行了比较研究。 关键词 初始聚类；算法 引言 聚类分析是数据挖掘的功能之一，是在训练数据不提供 类标号的情况下按照最大化类内对象间的相似性、最小化不 同类对象之间的相似性的原则聚类和分组数据。通过自动聚 类能够识别对象空间中稠密和稀疏区域，从而发现全局分布 模式和数据属性之间有趣的相关性。 目前，存在着大量的聚类算法，K均值算法是应用广泛 的聚类算法之一。1967年，MacQueen首次提出了 K均值聚 类算法，该算法的核心思想是找出k个聚类中心使得每一 个数据点xi和与其最近的聚类中心cv的平方距离和被最小 化。首先，随机地选择k个对象，每个对象代表一个簇的聚 类中心。然后，对剩余的每个对象，根据其与各个聚类中心 的距离，将它指派到最相似的簇；计算每个簇的均值，将它 作为新的聚类中心。不断重复这个过程，直到准则函数收敛。 准则函数采用平方误差准则，定义如（1.1）所示： （1.1） K均值算法