初始類中心選擇及在非平衡數據中的聚類研究.pdf

1、隨著互聯(lián)網技術的不斷發(fā)展，特別是信息技術的快速發(fā)展，網絡上產生了大量不同形式的數據，尤其是非平衡數據。非平衡數據是指同一個數據集中某些類的樣本數遠遠小于其他類的樣本數，樣本數量的懸殊，往往伴隨著類別內樣本密度的差別很大。k-means聚類算法是被人們使用最普遍的一種聚類算法，但是利用該算法來處理數據，容易選擇孤立點作為初始類中心，影響算法的執(zhí)行效果，因此，如何選擇合適的初始類中心成為一個亟待解決的問題。針對非平衡數據，k-means聚類

2、算法對于包含樣本數目多的類別來說準確率較高，但對于包含樣本數目少的類則很低。在非平衡數據集中樣本數目少的類別往往隱藏更多的信息，因此，準確的找出少數類中的樣本具有重要的意義。
　　針對k-means聚類方法，本文對算法的初始類中心點的選擇做了研究，并針對非平衡數據的聚類問題，對類簇間相似性度量的計算方法做了研究。本文主要取得了以下研究成果：
　?。?）結合譜聚類算法中的自適應尺度和最大最小距離算法的思想，提出了基于稀疏度和距

3、離的初始類中心選擇算法。在選擇初始類中心時不僅考慮了初始類中心周圍樣本的分布，還考慮了不同初始類中心之間的距離。最后將提出的初始類中心選擇算法應用于k-means和fuzzy k-means聚類算法的初始類中心選擇，在UCI和真實數據上的實驗結果表明提出的算法是有效和可行的。
　?。?）受類簇間相似性度量方法中平均鏈接的啟發(fā)，提出了類簇相似性的計算方法，并提出了基于類簇相似度矩陣的類簇合并算法。也就是在求類簇之間的相似性時，在考慮

4、每個樣本的稀疏度的基礎上計算了所有樣本之間的平均相似度。最后將提出的類簇合并算法與改進初始類中心選擇的k-means和fuzzy k-means聚類算法相結合，在非平衡數據集上的實驗結果表明提出的算法是有效和可行的。
　　本文對 k-means聚類算法的初始類中心選擇和非平衡數據的聚類問題進行了一些研究，提出了Max_Min_SD算法和M_C_SA算法，通過實驗表明了算法的有效性。在取得研究成果的同時，本文還有一些需要改進和探討的