基于概率决策的分步式K-means聚类算法

摘要

在K-means聚类的各种改进算法中往往只改进了选取初始聚类中心的方法，而没有对聚类策略进行改进，从而导致仍然不适用于非凸数据．而且有些改进算法在部分数据中无法选取到指定的初始聚类中心数量．针对这个问题，该文考虑数据的整体应该由k个超球包住，设计了能够根据数据集和聚类个数k自适应地选取出指定的初始聚类中心数量的算法．针对不适用非凸数据的问题，该文认为样本点附近的样本点更能决定其归类情况，设计了聚类概率函数，能够衡量样本点与类的相对远近;然后设计了聚类决策函数和概率决策阈值，能够分步地将类附近的样本点进行归类．最后，通过在包含凸型、非凸、流型和环型的二维人工数据集以及UCI真实数据集上的对比实验验证了所提算法的有效性．与各类型的经典聚类算法和6种改进算法进行了比较，验证了该方法的优越性．

关键词

K-means / 初始聚类中心 / 聚类 / 自适应 / 概率决策

基金资助

国家自然科学基金(62266023)资助项目