一种新聚类评价指标

• 作者: 周颖 谢娟英
• 来源期刊: 陕西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: F统计量 内部评价指标 类簇数 K-me doids聚类算法 最小生成树
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP181.1
• 字数: 5853字
• 语种: 中文
• DOI: 10.15983/j.cnki.jsnu.2015.06.161

摘要

用于发现数据集类簇数 k 的常用内部评价指标 DB（Davies Bouldin）和 BWP（Between-within Proportion）等需要先确定一个搜索范围 kmax ，使数据集的类簇数满足 k≤kmax，但如何确定 k max尚无理论指导。针对这一问题，提出一个新 F 统计量 Fr ，将 Fr 作为新聚类有效性准则，以判断聚类算法收敛与否，自适应地确定数据集类簇数；将 Fr 应用于快速 K-medoids 算法的收敛性判断，并以基于最小生成树的测地距离，即样本对在最小生成树上的路径长度，代替其间的直接欧氏距离度量样本相似性，得到一种自适应的快速 K-medoids 聚类算法，解决了 K-medoids 算法需要人为给定类簇数和不能发现任意形状簇的问题。UCI 机器学习数据库数据集和人工模拟数据集实验测试表明，本文提出的Fr 指标是一种有效的聚类算法评价指标，基于该指标和测地距离的 K-medoids 算法不仅能发现任意形状的簇，还可以自适应地确定数据集的类簇数，且对噪音数据有很好的鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢娟英	陕西师范大学计算机科学学院	46	873	15.0	28.0
2	周颖	陕西师范大学计算机科学学院	6	32	3.0	5.0