一種自動(dòng)三支決策聚類算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評論（0）
k-means算法自提出50多年來，在聚類分析中得到了廣泛應(yīng)用，但是，k-means算法存在一個(gè)突出的問題，即需要預(yù)先設(shè)定聚類數(shù)目。所以，本文針對如何自動(dòng)獲取k-means的聚類數(shù)目進(jìn)行了研究。為了確定聚類數(shù)目，許多學(xué)者從聚類有效性指數(shù)方面進(jìn)行了研究，該類成果大多數(shù)都結(jié)合了類內(nèi)緊湊性和類間分離性這兩個(gè)因素。一般說來，這些方法用類中對象和類中心距離的平均值及其變形來衡量類內(nèi)緊湊性，用類中心之間的距離來衡量類間分離性。它們較少考慮類中對象數(shù)目的多少以及對象的分布情況，因此在某些情況下不能很好地度量類間的分離情況。本文從類內(nèi)緊湊性和考慮近鄰的類間分離性出發(fā)，定義新的分離性指數(shù)，并設(shè)計(jì)了新的有效性指數(shù)。
另一方面，k-means算法得到的結(jié)果實(shí)際上是一種二支決策結(jié)果，只考慮了對象與類的兩種關(guān)系，即：對象要么屬于一個(gè)類要么不屬于一個(gè)類。這種聚類結(jié)果沒有反映某些應(yīng)用背景下的對象與類的不確定性關(guān)系，即對象可能屬于某個(gè)類。因此，本文提出了三支決策聚類，來進(jìn)一步表示對象與類的不確定性關(guān)系。基于三支決策聚類的思想，筆者相繼在基于密度的重疊聚類、不完備數(shù)據(jù)秉類、重疊區(qū)域細(xì)分、增量重疊聚類等方面進(jìn)行了一些研究工作。
因此，本文引入三支決策思想，提出一種基于k-means算法框架的自動(dòng)三支決策聚類方法，該方法擴(kuò)展了k-means算法使之適用于不確定性聚類，并能夠自動(dòng)地得到聚類數(shù)目。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%