基于層次劃分的密度優化聚類算法

逄琳 劉方愛

摘 要：針對傳統的聚類算法對數據集反復聚類，且在大型數據集上計算效率欠佳的問題，提出一種基于層次劃分的最佳聚類數和初始聚類中心確定算法——基于層次劃分密度的聚類優化（CODHD）。該算法基于層次劃分，對計算過程進行研究，不需要對數據集進行反復聚類。首先，掃描數據集獲得所有聚類特征的統計值；其次，自底向上地生成不同層次的數據劃分，計算每個劃分數據點的密度，將最大密度點定為中心點，計算中心點距離更高密度點的最小距離，以中心點密度與最小距離乘積之和的平均值為有效性指標，增量地構建一條關于不同層次劃分的聚類質量曲線；最后，根據曲線的極值點對應的劃分估計最佳聚類數和初始聚類中心。實驗結果表明，所提CODHD算法與預處理階段的聚類優化（COPS）算法相比，聚類準確度提高了30%，聚類算法效率至少提高14.24%。所提算法具有較強的可行性和實用性。

關鍵詞：聚類算法；層次劃分；最佳聚類數；初始聚類中心；聚類有效性指標

中圖分類號： TP301.6 文獻標志碼：A英文標題