傳統(tǒng)聚類方法的分析及改進.pdf

1、本文首先介紹了聚類問題的廣泛應(yīng)用。隨后，在聚類方法分類的基礎(chǔ)上，重點介紹了層次聚類方法和劃分聚類法-k-平均方法，k-中心方法以及它們的改進方法。綜合分析和比較了層次聚類方法和k-平均方法的優(yōu)點和缺點。 在聚類分析中，k-均值算法可以說是應(yīng)用較為廣泛的一種算法，雖然傳統(tǒng)的k-均值聚類算法方法簡單、執(zhí)行速度快且效率高，但同時它的一個致命弱點是它對初始值敏感而且容易陷入局部最小值。而且算法需要人為地預(yù)先指定類別的個數(shù)，而實際中類別的

2、個數(shù)不能簡單明確的確定。 本文的主要工作可以概括為兩個方面。 1.本文提出了一種比上述兩種聚類方法更有效的聚類方法。改進算法由層次凝聚算法得到的初始分區(qū)，這就避免了出現(xiàn)隨機地選取k個初始分區(qū)的現(xiàn)象。在某種程度上，大大降低了準則函數(shù)收斂為一個局部最小值的可能性。 2.本文分析經(jīng)典的k-均值算法的一個重要缺點：需要用戶事先給出要生成的分類數(shù)目，提出了一種尋找最優(yōu)k值的方法。引入了一個簡單函數(shù)來描述聚類質(zhì)量，通過遍歷所