一种基于启发式的分层聚类  

A HEURISTIC HIERARCHICAL CLUSTERING

作　　者：李建伏[1] 吴凤珍[2] 赵玉成[1] 

机构地区：[1]中国民航大学计算机科学与技术学院,天津300300 [2]郑州职业技术学院基础教育处,河南郑州450121

出　　处：《计算机应用与软件》2014年第5期151-154,167,共5页Computer Applications and Software

基　　金：国家自然科学基金项目(61103005);中国民航大学中央高校基本业务费项目(ZXH2011B003)

摘　　要：由于在某一次合并后不能改变对象所属类,致使分层聚类算法聚类质量差。为了提高聚类质量,提出一种新的分层聚类机制——基于启发式的分层聚类。与现有的分层聚类不同,基于启发式的分层聚类首先利用现有分层聚类算法构建初始聚类树,然后通过一定的策略改变当前聚类树以使得某个目标函数最小。借鉴计算分子生物学中的最小进化原理,将目标函数定义为聚类树的树长。最后,通过实验验证了新算法能有效地提高现有分层聚类算法。Since objects are unable to switch its belonging class after one merge,the hierarchical clustering algorithm behaves poor on clustering quality. In order to improve clustering quality,the paper proposes a new hierarchical clustering mechanism—heuristic hierarchical clustering. Unlike existing hierarchical clustering,heuristic hierarchical clustering first of all makes use of existing hierarchical clustering algorithm to construct an initial clustering tree and then change the current clustering tree by some strategy to minimize the objective function. Motivated by the minimum evolution principle in molecular biology,the objective function is defined as the length of clustering tree. Finally,experiments verify that the algorithm can efficiently improve existing hierarchical clustering algorithm.

关 键 词：分层聚类 启发式 最小进化 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]