首页 | 本学科首页   官方微博 | 高级检索  
     

基于数据约减的聚类有效性分析
引用本文:于晓,李晨,王亚茹. 基于数据约减的聚类有效性分析[J]. 传感器与微系统, 2017, 36(3). DOI: 10.13873/J.1000-9787(2017)03-0055-03
作者姓名:于晓  李晨  王亚茹
作者单位:天津大学电气与自动化工程学院,天津,300072
基金项目:国家自然科学基金资助项目
摘    要:聚类分析中利用有效性指标判断数据集的正确类数极易受到噪声数据、类之间分离性以及聚类算法的影响,所确定类数的正确性难以得到保证.为克服这个问题,以文献[1]中的数据约减方法为基础,对原数据集和约减后的数据集利用有效性指标进行正确类数判别.实验表明:该方法能增大类之间的分离性,有效判断数据集的最优类数.

关 键 词:数据约减  方向角  聚类分析  最优类数

Cluster validity analysis based on data reduction
YU Xiao,LI Chen,WANG Ya-ru. Cluster validity analysis based on data reduction[J]. Transducer and Microsystem Technology, 2017, 36(3). DOI: 10.13873/J.1000-9787(2017)03-0055-03
Authors:YU Xiao  LI Chen  WANG Ya-ru
Abstract:Estimating the correct number of clusters by cluster validity index in cluster analysis is highly susceptible to noise data,separation among clusters and clustering algorithm,so the correctness of the estimated number of clusters is difficult to be guaranteed. In order to overcome this problem,validity index is used to estimated number of clusters in original dataset and reduced dataset based on the data reducing method proposed in reference [1 ],the result demonstrate the method can enhance separation among clusters and effectively determine the optimal number of clusters.
Keywords:data reduction  direction angle  cluster analysis  the optimal number of clusters
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号