k-均值聚类算法初始中心选取相关问题的研究

《k-均值聚类算法初始中心选取相关问题的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、湖南大学硕士学位论文K-均值聚类算法初始中心选取相关问题的研究姓名：吴晓蓉申请学位级别：硕士专业：计算机应用技术指导教师：杨胜20080512硕上学位论文摘要数据挖掘是指从数据库中发现隐含的、新颖的、对决策有潜在价值的知识和规则的过程，已经在许多领域得到了广泛的应用。聚类分析是数据挖掘领域最为重要的技术之一，至今已在理论和方法上取得了丰硕的研究成果。聚类已经被广泛的研究了许多年，主要集中在基于距离的聚类算法上，其中以K．均值聚类算法最为经典。K．均值算法是一种典型的基于划分的方法，该算法的优点是思想简单易行，时间复杂性接近线性，

2、对大规模数据的挖掘具有高效性和可伸缩性。但是该算法存在如下缺点：聚类个数K需要预先给定；算法对初值敏感；算法易陷入局部极小，并且一般只能发现球状簇。本文主要深入研究和分析了聚类算法中的经典K．均值聚类算法，总结出其优点和不足。重点分析了K．均值聚类算法对初始值的依赖性，并用大量的实验验证了随机选取初始值对聚类结果的影响性。针对K．均值算法对初始中心值选取的依赖性，提出了两种新的初始中心值选取方法。主要研究内容和工作成果如下：1．基于Huffman树构造的思想，提出了一种新的选取K．均值聚类算法初始中心点方法，改善K．均值聚类算法

3、随机选取初始中心点而导致的聚类结果不稳定，容易陷入局部最优而非全局最优的不良结果。2．采用最大距离法来选取K．均值聚类算法初始中心点，使得选出的中心点能在一定程度上代表不同的簇，提高了划分初始数据集的效率，克服了K一均值聚类算法中随机选取的初始中心点很大可能过于邻近，多个初始中心被选择在同一簇中，而小簇中没有聚类种子的不好情况。另外引入特征加权的方法，区别不同特征对聚类的贡献不同，来提高聚类的有效性。关键词：数据挖掘；聚类；K一均值聚类算法；初始中心；特征加权ⅡAbstractDatamlnlnglstheprocedureof

4、extractingofimplicit，originalunknownandpotentlallyValuableknowledgeandrulesinthedatabase，whichiswidelyappliedinmanyfleldslnrecentyears·IthasbeenachieVedamassoftheoriesandmethods．themalnresearchconcentratreontheclusteringwhichisbasedonthedistance．forinstanceK-meansclu

5、steringisthemostclassjcalalgofithm．。l。heK—meansclusteringaIgorithmisatypicalpartitionmethod，foritiseasvtoacnjeVed，scalableandhi曲efficientfordisposingbigdataset．However，therearesnortcomlngsofthisalgorithm：itrequirestheusertogivethenumberofclustersDe士orehand；ltisVeryse

6、nsitiVetoinitialconditions，oftengetstrappedinlocalmlnlmumandhasonlythebestcapabilitytocaptureclustersinhypersphericalshape．1ntnlspaper，in。depthstudyandanalysisoftheclusterjngalgorithmintheK。meansclusteringalgorithm，summedupitsstrengthsandweaknesses．Thispaper士ocuso士th

7、edependenceofthek·meansclusteringalgorithmtotheinitialvalueandusealargenumber0fexperimentstOVerificatetheimpactOftherandomlyselectedlnitiaIValuetotheclusteringresults．Astotheindependenceofthek．meanstothelnltlalcentersselection，wepresenttwonewinitialcentersselectiona1

8、90rithms．Theresearchesandcontributionsareasfollows：1·BasedOntheideaOfHuf‰antreestructure，itisproposedthatanewmethodofselectingthein