基于有效性函数的聚类算法

摘要：

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.

关键词：聚类、有效性函数、无监督学习、引力

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划2005AA147030

在线出版日期：2007-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：197-199,207