K均值聚類算法研究與應(yīng)用.pdf

1、近幾十年來，隨著數(shù)據(jù)挖掘技術(shù)的飛速發(fā)展，其在表示數(shù)據(jù)過去的發(fā)展?fàn)顩r、預(yù)測數(shù)據(jù)未來的發(fā)展趨勢、為商業(yè)和企業(yè)的決策提供支持信息的作用愈發(fā)重大。聚類分析是一種重要的數(shù)據(jù)挖掘方法，在諸多領(lǐng)域有著重要應(yīng)用。而K均值算法更由于高效、快速的特點(diǎn)成為聚類算法中應(yīng)用最廣泛的一種。本文著重于解決K均值算法易受到初始點(diǎn)的影響以及容易收斂到局部極值的缺點(diǎn)，從而使得K均值得到更多、更廣泛的應(yīng)用。
　　本文提出“類內(nèi)距離比例”的方法，統(tǒng)計(jì)類內(nèi)所有樣本到類內(nèi)其

2、他樣本點(diǎn)的平均距離小于類中心到其他類內(nèi)樣本的平均距離的數(shù)量，用此數(shù)量占據(jù)當(dāng)前屬于類的樣本總數(shù)的比例，來歸納類中心的可優(yōu)化程度。以所有類的可優(yōu)化程度的平均值為新的聚類指標(biāo)。并且通過設(shè)定閾值的方法，分離當(dāng)前聚類，改進(jìn)K均值聚類算法。針對K均值易受初始點(diǎn)的影響的缺點(diǎn)，本文通過類之間密集程度來判定是否合并重合度較高的類。
　　本文進(jìn)行的仿真實(shí)驗(yàn)，對新指標(biāo)的類內(nèi)評價(jià)指標(biāo)進(jìn)行估算；對影響新指標(biāo)的不同因素進(jìn)行對比；給出了不同維度下、類間密集覆蓋