摘要: 聚类作为一种无监督的学习方法,通常需要人为地提供聚类的簇数。在先验知识缺乏的情况下,通过人为指定聚类参数是不合实际的。近年来研究的聚类有效性函数(Cluster Validity Index) 用于估计簇的数目及聚类效果的优劣。本文提出了一种新的基于有效性指数的聚类算法,无需提供聚类的参数。算法每步合并两个簇,使有效性指数值增加最大或减小最少。本文运用引力模型度量相似度,对可能出现的异常点情况作均匀化的处理。实验表明,本文的算法能正确发现特定数据的簇个数,和其它聚类方法比较,聚类结果具有较低的错误率,并在
范明 戴冠中 覃森. 基于有效性函数的聚类算法[J]. 计算机科学, 2007, 34(5): 197-199. https://doi.org/
FAN Ming ,DAI Guan-Zhong, QIN Seng (College of Automation,Northwestern Polytechnical University,Xi'an 710072). [J]. Computer Science, 2007, 34(5): 197-199. https://doi.org/