基于数据约减的聚类有效性分析

于晓; 李晨; 王亚茹

doi:10.13873/J.1000-9787(2017)03-0055-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于数据约减的聚类有效性分析

研究与探讨 | 更新时间：2025-09-11

- 基于数据约减的聚类有效性分析
- Cluster validity analysis based on data reduction
- 传感器与微系统 2017年36卷第3期页码：55-57+61
- 作者机构：
  
  天津大学电气与自动化工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61573251）
- DOI：10.13873/J.1000-9787(2017)03-0055-03
  中图分类号： TP311.13
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]于晓,李晨,王亚茹.基于数据约减的聚类有效性分析[J].传感器与微系统,2017,36(03):55-57+61.

YU Xiao, LI Chen, WANG Ya-ru. Cluster validity analysis based on data reduction[J]. 2017, 36(3): 55-57+61.
[1]于晓,李晨,王亚茹.基于数据约减的聚类有效性分析[J].传感器与微系统,2017,36(03):55-57+61. DOI： 10.13873/J.1000-9787(2017)03-0055-03.

YU Xiao, LI Chen, WANG Ya-ru. Cluster validity analysis based on data reduction[J]. 2017, 36(3): 55-57+61. DOI： 10.13873/J.1000-9787(2017)03-0055-03.

摘要

聚类分析中利用有效性指标判断数据集的正确类数极易受到噪声数据、类之间分离性以及聚类算法的影响

所确定类数的正确性难以得到保证。为克服这个问题

以文献[1]中的数据约减方法为基础

对原数据集和约减后的数据集利用有效性指标进行正确类数判别。实验表明:该方法能增大类之间的分离性

有效判断数据集的最优类数。

Abstract

Estimating the correct number of clusters by cluster validity index in cluster analysis is highly susceptible to noise data

separation among clusters and clustering algorithm

so the correctness of the estimated number of clusters is difficult to be guaranteed. In order to overcome this problem

validity index is used to estimated number of clusters in original dataset and reduced dataset based on the data reducing method proposed in reference[1 ]

the result demonstrate the method can enhance separation among clusters and effectively determine the optimal number of clusters.

关键词

Keywords

references

基于张开角测度的数据约简 [J]. 李晨,王亚茹,岳士弘. 传感器与微系统 . 2016(04)

一种基于稀疏度和距离的初始类中心选择算法 [J]. 曹付元,武鹏鹏. 山西大学学报(自然科学版) . 2015(01)

聚类有效性研究综述 [J]. 周开乐,杨善林,丁帅,罗贺. 系统工程理论与实践 . 2014(09)

聚类有效性评价综述 [J]. 杨燕,靳蕃,KAMEL Mohamed. 计算机应用研究 . 2008(06)

聚类算法研究 [J]. 孙吉贵,刘杰,赵连宇. 软件学报 . 2008(01)

基于模糊聚类算法的有效性指标 [J]. 白素琴,吴小俊. 江南大学学报(自然科学版) . 2007(06)

聚类分析中的最佳聚类数确定方法研究及应用 [D]. 周世兵. 江南大学 2011

模式识别[M]. 电子工业出版社 , (希) 西奥多里蒂斯, 2010

An extensive comparative study of cluster validity indices [J] . Olatz Arbelaitz,Ibai Gurrutxaga,Javier Muguerza,Jesús M. Pérez,I?igo Perona. Pattern Recognition . 2013 (1)

Data clustering: 50 years beyond K-means [J] . Anil K. Jain. Pattern Recognition Letters . 2009 (8)

浏览量

137

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于张开角测度的数据约简

三维目标检测中的先验方向角估计

基于ORB的目标识别与角度测量方法

基于分水岭和区域面积加权的粘连枸杞分级方法

基于改进混合蛙跳-K均值聚类算法的无功电压控制分区