文献类型：期刊文章

作　　者：王勇[1] 唐靖[1] 饶勤菲[1] 袁巢燕[1]

机构地区：[1]重庆理工大学计算机科学与工程学院,重庆400054

出　　处：《计算机应用》

基　　金：重庆市教委资助项目(KJ100821);重庆理工大学研究生创新基金资助项目(YCX2013218)

年　　份：2014

卷　　号：34

期　　号：5

起止页码：1331-1335

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对K-means聚类算法通常无法事先设定聚类数,而人为设定初始聚类数目容易导致聚类结果不够稳定的问题,提出一种新的高效率的K-means最佳聚类数确定算法。该算法通过样本数据分层来得到聚类数搜索范围的上界,并设计了一种聚类有效性指标来评价聚类后类内与类间的相似性程度,从而在聚类数搜索范围内获得最佳聚类数。仿真实验结果表明,该算法能够快速、高效地获得最佳聚类数,对数据集聚类效果良好。

关 键 词：K-MEANS聚类 数据分层  聚类有效性指标 相似性程度  最佳聚类数

分 类 号：TP393]