一种确定最佳聚类数的新算法

• 作者: 谢娟英 谢维信 马箐
• 来源期刊: 陕西师范大学学报：自然科学版
• 学科: 工学
• 关键词: 信息粒度 K-均值 全局K-均值 模糊相似度 聚类指标BWP
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 13-18
• 分类号: TP181.1
• 字数: 5017字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4291.2012.01.005

摘要

针对K-均值聚类算法需要事先确定聚类数K的问题,将粒度计算引入样本相似度函数,定义了新的样本相似度,用模糊等价聚类确定数据集可能的最大类簇数Kmax.以Kmax为搜索上界,利用改进全局K-均值聚类算法,以BWP（Between-Within Proportion）为聚类有效性度量指标,提出确定最佳聚类数的一种新方法.通过UCI机器学习数据库数据集以及随机生成的人工模拟数据集实验测试,证明该算法不仅能有效确定数据集的最佳聚类数,而且适用于大规模数据集,但是会受到噪音点影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马箐	陕西师范大学计算机科学学院	3	87	2.0	3.0