摘要
K-means聚类算法是以确定的类数k为前提对数据集进行聚类的,通常聚类数事先无法确定。从样本几何结构的角度设计了一种新的聚类有效性指标,在此基础上提出了一种新的确定K-means算法最佳聚类数的方法。理论研究和实验结果验证了以上算法方案的有效性和良好性能。
K-means clustering algorithm clusters datasets according to the certain clustering number k.However k cannot be confirmed beforehand.A new clustering validity index was designed from the standpoint of sample geometry.Based on the index a new method for determining the optimal clustering number in K-means clustering algorithm was proposed.Theoretical research and experimental results demonstrate the validity and good performance of the above-mentioned algorithm.
出处
《计算机应用》
CSCD
北大核心
2010年第8期1995-1998,共4页
journal of Computer Applications
基金
国家863计划项目(2007AA1Z158)
国家自然科学基金资助项目(60703106)
作者简介
（worldguard@sina．com） 周世兵（1972-），男，江苏盐城人，讲师，博士研究生，主要研究方向：人工智能、模式识别、生物信息学；
徐振源（1946-），男，上海人，教授，博士生导师，主要研究方向：混沌、同步控制、人工智能、生物信息学；
唐旭清（1963-），男，安徽望江人，副教授，博士，主要研究方向：计算智能、生物信息学。
