郭德超 胡昌盛

【摘 要】聚類分析是一種無監(jiān)督的學習方法，是數(shù)據(jù)挖掘領域進行數(shù)據(jù)處理的重要分析工具和方法。K-均值聚類算法是一種典型的基于劃分的方法，該方法的主要優(yōu)點是，算法思想簡單易行、快速而高效；但是該方法也存在其固有的缺陷：要求預先給定聚類個數(shù)；容易陷入局部極小值而得不到全局最優(yōu)解等。針對以上問題，利用分類領域中的特征選擇及特征加權(quán)方法，提出了一種改進的特征加權(quán) K-均值聚類算法。實驗結(jié)果證明，所提出的算法能產(chǎn)生質(zhì)量較高的聚類結(jié)果。

【關鍵詞】聚類分析；K-均值算法；特征加權(quán)

K-均值聚類算法因結(jié)構(gòu)簡單、快速高效且適用于處理大數(shù)據(jù)集，在眾多科研領域得到廣泛應用。但它同時存在一些缺陷和不足，要求預先給定聚類個數(shù)；容易陷入局部極小值而得不到全局最優(yōu)解等。針對以上問題研究人員提出了各種各樣的有效改進措施。文獻[1]的作者通過 DBI 聚類指標和最大最小距離方法來自動確定最佳聚類數(shù)目，較好地解決了 K-均值聚類算法中聚類數(shù)目 K 值的確定問題。文獻[2]提出一種有效的混合聚類算法，在一定程度上克服了 K-均值聚類算法和層次聚類算法各自的缺陷。文獻[3]提出一種基于變長編碼的改進遺傳算法，有效地解決了 K-均值聚類算法對初始中心選取敏感的問題。文獻[4]提出了一種基于密度及最近鄰相似度的初始聚類中心選取方法，大大提高聚類結(jié)果的穩(wěn)定性。文獻[5]提出了一種基于數(shù)據(jù)對象在空間分布規(guī)律的新的初始聚類中心選取方法，有效解決由于初始中心選取的隨機性而導致的聚類結(jié)果不穩(wěn)定的問題。本文利用分類領域中的特征選擇及特征加權(quán)方法，提出了一種改進的特征加權(quán) K-均值聚類算法。實驗結(jié)果證明，所提出的算法能產(chǎn)生質(zhì)量較高的聚類結(jié)果。

2.K-均值算法的改進

3.實驗結(jié)果

為了驗證本文所提出算法的有效性和可行性，選用 UCI 提供的機器學習公共數(shù)據(jù)庫中的5 個數(shù)據(jù)集對本文改進的聚類算法的聚類性能進行聚類實驗。（見表1）

從表 2 中不難看出，隨機選取初始聚類中心的傳統(tǒng) K-均值算法得到的聚類結(jié)果準確率低且不穩(wěn)定，而且對于有大值屬性存在的 Wine數(shù)據(jù)集，錯分數(shù)大大增加；而使用本文所設計的改進聚類算法所得到的聚類結(jié)果不僅準確率高，而且相對穩(wěn)定。

4.結(jié)束語

本文針對傳統(tǒng)K-均值算法由于隨機選取初始聚類中心而導致聚類結(jié)果不穩(wěn)定、準確率低的缺點，提出了一種改進的特征加權(quán)K-均值聚類算法。實驗結(jié)果表明，本文算法可以有效得到準確率高、較為穩(wěn)定的聚類結(jié)果。

參考文獻：

[1] 馮超.K-means聚類算法的研究：[大連理工大學碩士學位論文].大連：大連理工大學，2007

[2] 曾志雄.一種有效的基于劃分和層次的混合聚類算法.計算機應用，2007

[3] 范光平.一種基于變長編碼的遺傳K均值算法研究：[浙江大學碩士學位論文].杭州：浙江大學，2007

[4] 孫可，劉杰，王學穎.K均值聚類算法初始質(zhì)心選擇的改進.沈陽師范大學學報，2009

[5] 徐義峰，陸春明，徐云青.一種改進的K-均值聚類算法. 計算機應用與軟件，2008

作者簡介：

郭德超（1978-），男，碩士，研究方向：網(wǎng)絡信息安全。