基于改进K-medoids的聚类质量评价指标研究

• 作者: 段桂芹 邹臣嵩
• 来源期刊: 计算机系统应用
• 关键词: 聚类评价指标 K-medoids 无监督聚类 最优聚类数
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 研究开发
• 页码范围: 235-242
• 页数: 8页
• 字数: 6675字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006946

摘要

为了更好地评价无监督聚类算法的聚类质量,解决因簇中心重叠而导致的聚类评价结果失效等问题,对常用聚类评价指标进行了分析,提出一个新的内部评价指标,将簇间邻近边界点的最小距离平方和与簇内样本个数的乘积作为整个样本集的分离度,平衡了簇间分离度与簇内紧致度的关系;提出一种新的密度计算方法,将样本集与各样本的平均距离比值较大的对象作为高密度点,使用最大乘积法选取相对分散且具有较高密度的数据对象作为初始聚类中心,增强了K-medoids算法初始中心点的代表性和算法的稳定性,在此基础上,结合新提出的内部评价指标设计了聚类质量评价模型,在UCI和KDD CUP 99数据集上的实验结果表明,新模型能够对无先验知识样本进行有效聚类和合理评价,能够给出最优聚类数目或最优聚类范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹臣嵩	广东松山职业技术学院电气工程系	23	23	2.0	3.0
2	段桂芹	广东松山职业技术学院计算机系	15	32	3.0	5.0