K均值聚類算法研究與應用.pdf

1、近幾十年來，隨著數據挖掘技術的飛速發(fā)展，其在表示數據過去的發(fā)展狀況、預測數據未來的發(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據挖掘方法，在諸多領域有著重要應用。而K均值算法更由于高效、快速的特點成為聚類算法中應用最廣泛的一種。本文著重于解決K均值算法易受到初始點的影響以及容易收斂到局部極值的缺點，從而使得K均值得到更多、更廣泛的應用。
　　本文提出“類內距離比例”的方法，統計類內所有樣本到類內其

2、他樣本點的平均距離小于類中心到其他類內樣本的平均距離的數量，用此數量占據當前屬于類的樣本總數的比例，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。并且通過設定閾值的方法，分離當前聚類，改進K均值聚類算法。針對K均值易受初始點的影響的缺點，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。
　　本文進行的仿真實驗，對新指標的類內評價指標進行估算；對影響新指標的不同因素進行對比；給出了不同維度下、類間密集覆蓋