K-means算法最佳聚类数确定方法  

Method for determining optimal number of clusters in K-means clustering algorithm

作　　者：周世兵[1] 徐振源[1,2] 唐旭清[2] 

机构地区：[1]江南大学信息工程学院,江苏无锡214122 [2]江南大学理学院,江苏无锡214122

出　　处：《计算机应用》2010年第8期1995-1998,共4页journal of Computer Applications

基　　金：国家863计划项目(2007AA1Z158);国家自然科学基金资助项目(60703106)

摘　　要：K-means聚类算法是以确定的类数k为前提对数据集进行聚类的,通常聚类数事先无法确定。从样本几何结构的角度设计了一种新的聚类有效性指标,在此基础上提出了一种新的确定K-means算法最佳聚类数的方法。理论研究和实验结果验证了以上算法方案的有效性和良好性能。K-means clustering algorithm clusters datasets according to the certain clustering number k.However k cannot be confirmed beforehand.A new clustering validity index was designed from the standpoint of sample geometry.Based on the index a new method for determining the optimal clustering number in K-means clustering algorithm was proposed.Theoretical research and experimental results demonstrate the validity and good performance of the above-mentioned algorithm.

关 键 词：K-MEANS聚类 聚类数 聚类有效性指标 聚类分析 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]