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

true

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。

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.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.authorshipSubmitted}}

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 上传


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