基于 K-means算法的最佳聚类数研究

针对聚类算法在实现的过程中需要预先设定最终聚类数目的问题，提出了基于同类全部样 本的类内紧密度和类间离差度的一种新聚类有效性指标，通过该指标能够有效地确定数据集的最 佳聚类簇数。在确定最佳聚类数的过程中采用 K-means 算法，针对 K-means 算法随机选择初始聚 类中心的缺陷，提出以欧式距离度量样本相似度，基于样本方差，选出方差最小的前 K 个样本作为 初始聚类中心，避免噪声点成为初始聚类中心，使得选择的初始聚类中心位于样本集稠密区域，Kmeans 聚类的结果稳定有效。使用优化 K-means 算法和新的聚类有效性指标确定数据集的簇数， 通过在 UCI数据集和人工模拟数据集上测试，证明文本算法在球形且噪声点较少的样本集中，能够 有效地找出最佳的类数且算法运行速度快。

K-means聚类数有效性指标聚类分析

Contributor(s)
Initial contribute: 2022-03-02

Classification(s)

● Application-focused categoriesNatural-perspectiveLand regions

Detailed Description

Chinese {{currentDetailLanguage}} Chinese
针对聚类算法在实现的过程中需要预先设定最终聚类数目的问题，提出了基于同类全部样
本的类内紧密度和类间离差度的一种新聚类有效性指标，通过该指标能够有效地确定数据集的最
佳聚类簇数。在确定最佳聚类数的过程中采用 K-means 算法，针对 K-means 算法随机选择初始聚
类中心的缺陷，提出以欧式距离度量样本相似度，基于样本方差，选出方差最小的前 K 个样本作为
初始聚类中心，避免噪声点成为初始聚类中心，使得选择的初始聚类中心位于样本集稠密区域，K
means 聚类的结果稳定有效。使用优化 K-means 算法和新的聚类有效性指标确定数据集的簇数，
通过在 UCI数据集和人工模拟数据集上测试，证明文本算法在球形且噪声点较少的样本集中，能够
有效地找出最佳的类数且算法运行速度快。
View Full Text

模型元数据

{{htmlJSON.HowtoCite}}

zym (2022). 基于 K-means算法的最佳聚类数研究, Model Item, OpenGMS, https://geomodeling.njnu.edu.cn/modelItem/df2e6ba1-7e6f-4708-bfbe-f07448e0edcc
{{htmlJSON.Copy}}

Contributor(s)
Initial contribute : 2022-03-02

{{htmlJSON.CoContributor}}

QR Code

×
  • {{curRelation.name}}
    {{curRelation.name}}
    {{curRelation.overview}}
    {{curRelation.author.join('; ')}}
    {{curRelation.journal}}





    {{htmlJSON.RelatedItems}}

    {{htmlJSON.LinkResourceFromRepositoryOrCreate}}{{htmlJSON.create}}.

    Drop the file here, orclick to upload.
    Select From My Space
    + add
    {{htmlJSON.Cancel}} {{htmlJSON.OK}}

    {{htmlJSON.authorshipSubmitted}}

    Use My Info Cancel Submit
    Cancel Submit     {{htmlJSON.Cancel}} {{htmlJSON.Submit}}
    {{htmlJSON.Localizations}} + {{htmlJSON.Add}}
    {{ item.label }} {{ item.value }}
    {{htmlJSON.ModelName}}:
    {{htmlJSON.Cancel}} {{htmlJSON.Submit}}     * 名称 别名 {{tag}} +
    系列名 * 版本号 * 目的 * 修改内容 * 创建/修改日期 * 作者
    * 摘要 详细描述
    {{tag}} + 添加关键字
    * 时间参考系
    * 空间参考系类型 * 空间参考系名称

    * 起始日期 终止日期 * 进展 * 开发者
    * 是否开源 * 访问方式 * 使用方式 * 开源协议 * 传输方式 * 获取地址 * 发布日期 * 发布者



    * 编号 * 目的 * 修改内容 * 创建/修改日期 * 作者




    * 时间分辨率 * 时间尺度 * 时间步长 * 时间范围 * 空间维度 * 格网类型 * 空间分辨率 * 空间尺度 * 空间范围
    {{tag}} +     * 类型
    图例

    * 名称 * 描述
    示例描述 * 名称 * 类型 * 值/链接 或 上传


    {{htmlJSON.Cancel}} {{htmlJSON.Submit}}
    Title Author Date Journal Volume(Issue) Pages Links Doi Operation
    {{htmlJSON.Cancel}} {{htmlJSON.Submit}}
    {{htmlJSON.EnterDoiClickSearch}}
    {{htmlJSON.Add}} {{htmlJSON.Cancel}}

    {{articleUploading.title}}

    Authors:  {{articleUploading.authors[0]}}, {{articleUploading.authors[1]}}, {{articleUploading.authors[2]}}, et al.

    Journal:   {{articleUploading.journal}}

    Date:   {{articleUploading.date}}

    Page range:   {{articleUploading.pageRange}}

    Link:   {{articleUploading.link}}

    DOI:   {{articleUploading.doi}}

    Yes, this is it Cancel

    The article {{articleUploading.title}} has been uploaded yet.

    OK     {{htmlJSON.Cancel}} {{htmlJSON.Confirm}}
    2hQDS_vU4Gl8