基于层次划分的最佳聚类数确定方法

• 作者: 姜青山 王声瑞 陈黎飞
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 聚类 聚类有效性指标 统计指标 聚类数 层次聚类
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 62-72
• 页数: 11页
• 分类号: TP18
• 字数: 8886字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2008.00062

摘要

确定数据集的聚类数目是聚类分析中一项基础性的难题.常用的trail-and-error方法通常依赖于特定的聚类算法,且在大型数据集上计算效率欠佳.提出一种基于层次思想的计算方法,不需要对数据集进行反复聚类,它首先扫描数据集获得CF(clustering feature,聚类特征)统计值,然后自底向上地生成不同层次的数据集划分,增量地构建一条关于不同层次划分的聚类质量曲线;曲线极值点所对应的划分用于估计最佳的聚类数目.另外,还提出一种新的聚类有效性指标用于衡量不同划分的聚类质量.该指标着重于簇的几何结构且独立于具体的聚类算法,能够识别噪声和复杂形状的簇.在实际数据和合成数据上的实验结果表明,新方法的性能优于新近提出的其他指标,同时大幅度提高了计算效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜青山	厦门大学软件学院	36	550	11.0	23.0
2	陈黎飞	厦门大学计算机科学系	4	185	3.0	4.0