K-means算法最佳聚类数评价指标研究

• 作者: 侯苏 郭靖
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 聚类指标 K-means算法 聚类分析 聚类数
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 5-8
• 页数: 4页
• 分类号: TP301
• 字数: 3153字
• 语种: 中文
• DOI: 10.11907/rjdk.171885

摘要

聚类分析广泛应用于商务智能、图像模式识别、Web搜索、生物学等领域,是一种无指导的观察式学习.然而,绝大多数聚类分析算法都面临着一个非常棘手的问题——最佳聚类数的确定.K-means是典型的基于划分的聚类方法,它需要用户输入聚类数K,但这通常非常困难.聚类数的确定是决定聚类质量的关键因素.虽然有许多被用来估计最优聚类数的聚类评价指标,但对于不同的聚类算法,不同的评价指标效果差异很大.为确定针对K-means聚类算法效果最好的评价指标,采用4种典型的不同聚类结构特征的人工模拟数据以及来自UCI的真实数据集对7种评价指标的性能进行实验比较,结果表明CH指标和I指标在评估K-means算法的最佳聚类数时效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭靖	中国人民公安大学信息技术与网络安全学院	5	30	3.0	5.0
2	侯苏	中国人民公安大学信息技术与网络安全学院	2	20	2.0	2.0