[發(fā)明專(zhuān)利]一種確定最佳聚類(lèi)數(shù)的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201310739837.3
• 申請(qǐng)日: 2013-12-26
• 公開(kāi)（公告）號(hào): CN103714154A
• 公開(kāi)（公告）日: 2014-04-09
• 發(fā)明（設(shè)計(jì)）人: 周紅芳;王嘯;趙雪涵;段文聰;郭杰;張國(guó)榮;王心怡;何馨依
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安理工大學(xué)
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30
• 代理公司: 西安弘理專(zhuān)利事務(wù)所 61214
• 代理人: 李娜

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)挖掘技術(shù)領(lǐng)域，涉及一種確定最佳聚類(lèi)數(shù)的方法。

背景技術(shù)

最佳聚類(lèi)數(shù)的判定大多數(shù)都是采用一種基于迭代的trial-and-error過(guò)程來(lái)進(jìn)行的，在給定的數(shù)據(jù)集上，使用不同的參數(shù)（通常是聚類(lèi)數(shù)k）運(yùn)行特定的聚類(lèi)算法對(duì)數(shù)據(jù)集進(jìn)行不同的劃分，然后計(jì)算各種劃分的有效性指標(biāo)值，通過(guò)比較各個(gè)指標(biāo)值，選擇符合預(yù)定條件的指標(biāo)值所對(duì)應(yīng)的聚類(lèi)數(shù)被認(rèn)為是最佳的聚類(lèi)數(shù)。實(shí)際上，trial-and-error過(guò)程存在幾個(gè)不足之處，一是聚類(lèi)數(shù)k值的確定對(duì)于缺乏豐富聚類(lèi)分析經(jīng)驗(yàn)的用戶(hù)來(lái)說(shuō)是難以準(zhǔn)確確定的，這就要求我們進(jìn)一步提出尋找更合理的聚類(lèi)數(shù)k的方法；其二是目前已經(jīng)提出了許多檢驗(yàn)聚類(lèi)有效性的指標(biāo)，主要代表有V_xie指標(biāo)、V_wsj指標(biāo)等。由于這些指標(biāo)都是基于某個(gè)特定聚類(lèi)算法提出的，使得該方法在實(shí)際應(yīng)用中受到了極大的限制。另外該方法對(duì)大型、維數(shù)比較復(fù)雜的數(shù)據(jù)集，計(jì)算效率較差。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種確定最佳聚類(lèi)數(shù)的方法，能避免現(xiàn)有技術(shù)對(duì)大型數(shù)據(jù)集的反復(fù)聚類(lèi)的問(wèn)題，且計(jì)算效率較高。

本發(fā)明的技術(shù)方案是，一種確定最佳聚類(lèi)數(shù)的方法，通過(guò)有效性指標(biāo)Q(C)來(lái)評(píng)估數(shù)據(jù)集的聚類(lèi)效果，聚類(lèi)有效性指標(biāo)Q(C)取最小值時(shí)所對(duì)應(yīng)的聚類(lèi)數(shù)為最佳聚類(lèi)數(shù)。

本發(fā)明的特點(diǎn)還在于：

有效性指標(biāo)的確定，首先計(jì)算類(lèi)內(nèi)緊湊度和類(lèi)間分離度，再根據(jù)兩者的一個(gè)線性組合來(lái)表示有效性指標(biāo)；具體包括：

1、假設(shè)對(duì)于多維數(shù)據(jù)集DB，其中一個(gè)聚類(lèi)劃分為C^k＝{C₁,C₂,...,C_k}，而此時(shí)聚類(lèi)C^k的類(lèi)內(nèi)緊湊度是通過(guò)計(jì)算同一類(lèi)中的任意兩個(gè)數(shù)據(jù)對(duì)象之間距離的平方和得到的，用Scat(C^k)來(lái)表示，

Scat(Ck)=Σi=1kΣX,Y∈Ci||X-Y||2---(1)]]>

同時(shí)，聚類(lèi)C^k的類(lèi)間分離度Sep(C^k)通過(guò)計(jì)算不同類(lèi)中的任意兩個(gè)數(shù)據(jù)對(duì)象之間距離的平方和而得到的，