10.3969/j.issn.1002-137X.2007.05.053
基于有效性函数的聚类算法
聚类作为一种无监督的学习方法,通常需要人为地提供聚类的簇数.在先验知识缺乏的情况下,通过人为指定聚类参数是不合实际的.近年来研究的聚类有效性函数(Cluster Validity Index)用于估计簇的数目及聚类效果的优劣.本文提出了一种新的基于有效性指数的聚类算法,无需提供聚类的参数.算法每步合并两个簇,使有效性指数值增加最大或减小最少.本文运用引力模型度量相似度,对可能出现的异常点情况作均匀化的处理.实验表明,本文的算法能正确发现特定数据的簇个数,和其它聚类方法比较,聚类结果具有较低的错误率,并在效率上优于一般的基于有效性指数的聚类算法.
聚类、有效性函数、无监督学习、引力
34
TP3(计算技术、计算机技术)
国家高技术研究发展计划863计划2005AA147030
2007-07-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
197-199,207