基于密度期望和有效性指标的K-均值算法

• 作者: 万静 何云斌 李松 肖宇鹏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K-均值聚类 初始聚类中心点 期望密度 k值优化
• 年，卷（期）: 2013,（24）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 105-111
• 页数: 7页
• 分类号: TP18
• 字数: 6501字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1307-0079

摘要

传统K-均值聚类算法虽然收敛速度快，但存在聚类数k无法预先确定，并且算法对初始中心点敏感的缺点。针对上述缺点，提出了基于密度期望和聚类有效性Silhouette指标的K-均值优化算法。给出了基于密度期望的初始中心点选取方案，将处于密度期望区间内相距最远的k个样本作为初始聚类中心。该方案可有效降低K-均值算法对初始中心点的依赖，从而获得较高的聚类质量。在此基础上，可进一步通过选择合适的聚类有效性指标Silhouette指标分析不同k值下的每次聚类结果，确定最佳聚类数，则可有效改善k值无法预先确定的缺点。实验及分析结果验证了所提出方案的可行性和有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万静	哈尔滨理工大学计算机科学与技术学院	57	266	10.0	13.0
2	何云斌	哈尔滨理工大学计算机科学与技术学院	59	346	11.0	15.0
3	李松	哈尔滨理工大学计算机科学与技术学院	87	452	12.0	16.0
4	肖宇鹏	哈尔滨理工大学计算机科学与技术学院	3	34	3.0	3.0