基于泛化能力的K-均值最佳聚類數(shù)確定方法

張 雄，趙禮峰

(南京郵電大學(xué) 理學(xué)院，江蘇 南京 210023)

基于泛化能力的K-均值最佳聚類數(shù)確定方法

張 雄，趙禮峰

(南京郵電大學(xué) 理學(xué)院，江蘇 南京 210023)

針對K-均值聚類算法需要事先確定聚類數(shù)，而人為設(shè)定聚類數(shù)存在極大主觀性的缺點，提出了一種基于泛化能力的最佳聚類數(shù)確定方法。該方法認(rèn)為：一個好的聚類結(jié)果，應(yīng)該對未知的樣本有著良好的泛化能力。其通過設(shè)計一種泛化能力指標(biāo)(GA)來評價得到的聚類模型對未知樣本的分類能力，泛化能力指標(biāo)的值越大，則聚類模型的效果越好，以泛化能力最優(yōu)的聚類模型所對應(yīng)的K值作為最佳聚類數(shù)。為了測試所提出方法的穩(wěn)定性和有效性，分別基于真實數(shù)據(jù)集Iris以及人造數(shù)據(jù)集對基于泛化能力的最佳聚類數(shù)確定方法進(jìn)行了實驗驗證，均能準(zhǔn)確找到數(shù)據(jù)集最佳聚類數(shù)。實驗結(jié)果表明，該方法能夠簡單、高效地獲得最佳聚類數(shù)，且對數(shù)據(jù)集的聚類效果良好。

K-均值；最佳聚類數(shù)；泛化能力；非監(jiān)督學(xué)習(xí)

0 引 言

聚類分析[1]也稱無教師學(xué)習(xí)或無指導(dǎo)學(xué)習(xí)，它是在沒有訓(xùn)練目標(biāo)的情況下將樣本劃分為若干簇的方法，其目的是建立一種歸類方法，將一批樣本或變量，按照它們在特征上的疏密程度進(jìn)行分類，使得組內(nèi)樣品的相似度達(dá)到最大，而組間的差異也達(dá)到最大。到目前為止，還沒有一種具體的聚類算法可以適用于解釋各種不同類型數(shù)據(jù)組成的多樣化結(jié)構(gòu)數(shù)據(jù)集。聚類方法大致可分為以下幾種：劃分式聚類算法、層次聚類算法、基于密度的聚類算法、基于網(wǎng)格的聚類算法和基于模型的聚類算法[2]?！?br>