一种新聚类评价指标

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。

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

分类号：TP181.1(自动化基础理论)

资助基金：国家自然科学基金31372250；陕西省科技攻关项目2013K12-03-24；中央高校基本科研业务费专项资金GK201503067

在线出版日期：2015-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8