




下載本文檔
版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、 基于k均值算法增強(qiáng)初始中心的研究 楊黎明屈曉旭【摘 要】隨著數(shù)據(jù)庫(kù)技術(shù)以及數(shù)據(jù)庫(kù)管理系統(tǒng)的迅速發(fā)展,人們積累的數(shù)據(jù)越來(lái)越多。聚類(lèi)(clustering) 作為數(shù)據(jù)挖掘三大領(lǐng)域(關(guān)聯(lián)規(guī)則,聚類(lèi),分類(lèi))之一被廣泛應(yīng)用1。k-均值算法屬于聚類(lèi)中最普遍快速方法,常采用誤差平方和準(zhǔn)則函數(shù)作為聚類(lèi)準(zhǔn)則。但k均值算法不能保證標(biāo)準(zhǔn)的全局最小值,這導(dǎo)致對(duì)初始質(zhì)心的高敏感度。本文提出通過(guò)消除初始質(zhì)心的隨機(jī)選擇來(lái)提高算法性能。本文提出增強(qiáng)的初始質(zhì)心的k均值算法,由于對(duì)應(yīng)用數(shù)據(jù)集進(jìn)行加權(quán)平均,消除了初始值的隨機(jī)選擇,減少了迭代步數(shù),降低了計(jì)算復(fù)雜度?!娟P(guān)鍵詞】聚類(lèi)
2、;k均值;誤差平方和準(zhǔn)則0 引言k均值算法是一種常用的聚類(lèi)技術(shù),由于其簡(jiǎn)單性、快速的數(shù)學(xué)計(jì)算和記憶效率深受學(xué)者歡迎。k均值算法通過(guò)迭代對(duì)一組對(duì)象進(jìn)行聚類(lèi),使得同一組中的對(duì)象比其他組中的對(duì)象更相似2。k均值算法是一種聚類(lèi)算法,它將數(shù)據(jù)集分為k個(gè)非空、非重疊和非從屬的簇。本文提出一種“增強(qiáng)初始質(zhì)心”的k均值算法,主要思想是修改選擇初始質(zhì)心的方法。在傳統(tǒng)的k均值算法中,初始質(zhì)心是隨機(jī)選擇的聚類(lèi)點(diǎn)。而增強(qiáng)的方法是使用加權(quán)平均值作為質(zhì)心選擇。本研究的主要目的是消除初始質(zhì)心的隨機(jī)選擇,因?yàn)樗鼘?dǎo)致不太可靠的結(jié)果,并提高聚類(lèi)效率。新方法在選擇初始質(zhì)心之前,計(jì)算每個(gè)屬性的每個(gè)點(diǎn)的加權(quán)平均值。本研究將原始k均值算
3、法和增強(qiáng)初始質(zhì)心的k均值算法,應(yīng)用于對(duì)學(xué)生的考試成績(jī)?cè)u(píng)價(jià),在可靠性和迭代次數(shù)方面比較了它們的性能。1 傳統(tǒng)k均值算法1967年,j.b.macqueen提出了一種簡(jiǎn)單、快速、高效的用來(lái)處理數(shù)據(jù)聚類(lèi)問(wèn)題的k均值算法。k均值算法主要思想是將數(shù)據(jù)集合劃分為k個(gè)類(lèi)簇。首先隨機(jī)選取k個(gè)點(diǎn)作為初始聚類(lèi)中心,然后計(jì)算數(shù)據(jù)集合中各個(gè)數(shù)據(jù)對(duì)象到各聚類(lèi)中心距離,按照每個(gè)數(shù)據(jù)對(duì)象距離最近的原則歸到對(duì)應(yīng)的類(lèi)中;新的分類(lèi)中心形成后,重新計(jì)算得到新的k個(gè)點(diǎn)作為每個(gè)類(lèi)新的中心,重新計(jì)算各個(gè)數(shù)據(jù)對(duì)象與新的中心的距離,再次按照距離最近的原則歸整新的類(lèi)3。此過(guò)程一直循環(huán),倘若相鄰兩次的聚類(lèi)中心不再發(fā)生任何變化,說(shuō)明數(shù)據(jù)對(duì)象歸類(lèi)結(jié)
4、束。式中,k表示類(lèi)簇個(gè)數(shù),s表示簇ci的數(shù)據(jù)對(duì)象,mi表示簇ci的中心(均值)。|s-mi|2可計(jì)算出數(shù)據(jù)對(duì)象到所屬類(lèi)中心的距離。k均值算法不能保證標(biāo)準(zhǔn)的全局最小值,這導(dǎo)致對(duì)初始質(zhì)心的高敏感度。本文提出通過(guò)消除初始質(zhì)心的隨機(jī)選擇來(lái)提高算法性能。k均值聚類(lèi)算法的聚類(lèi)結(jié)果很大程度上取決于隨機(jī)選擇的初始質(zhì)心的可靠性。在數(shù)學(xué)中,二維區(qū)域的質(zhì)心或幾何中心是形狀中所有點(diǎn)的算術(shù)平均位置。隨機(jī)初始選擇不是基于任何計(jì)算或算法,因此會(huì)導(dǎo)致不適當(dāng)?shù)慕Y(jié)果。下面進(jìn)行實(shí)例應(yīng)用計(jì)算,假設(shè)我們有4名學(xué)生,每個(gè)學(xué)生有兩個(gè)屬性(平時(shí)成績(jī),考試成績(jī))。學(xué)生1(100,100),學(xué)生2(200,100),學(xué)生3(400,300),學(xué)
5、生4(500,400)。我們的目標(biāo)是根據(jù)這兩個(gè)特征將這些學(xué)生分成k=2(通過(guò)和未通過(guò)的學(xué)生)的聚類(lèi),以確定四名學(xué)生的學(xué)業(yè)成績(jī)。在這個(gè)例子中,平時(shí)測(cè)試成績(jī)滿分是500,書(shū)面考試成績(jī)滿分是400。在k均值算法的原始方法中,隨著初始質(zhì)心的隨機(jī)選擇,我們假設(shè)學(xué)生1的質(zhì)心1為(100,100),質(zhì)心2為(200,100)。下面使用歐幾里德距離公式對(duì)每個(gè)學(xué)生的質(zhì)心1進(jìn)行樣本計(jì)算?;谧钚【嚯x的對(duì)象聚類(lèi)的結(jié)果是:組1為學(xué)生1組2為學(xué)生2、3、4。基于新成員的每組的計(jì)算新質(zhì)心是:組1僅具有一個(gè)成員,質(zhì)心保留在質(zhì)心1=(100,100)中。組2有三個(gè)成員,因此,質(zhì)心是三個(gè)成員之間的平均坐標(biāo):質(zhì)心2=(200+4
6、00+500)/3,(100+300+400)/3 =(366.67,266.67)。第二次迭代后,聚類(lèi)結(jié)果為:組1=學(xué)生1和2組2=學(xué)生3和4以下表格是重復(fù)k均值算法原始方法的主要步驟的結(jié)果:(1)確定質(zhì)心/質(zhì)心(2)使用歐幾里得距離計(jì)算物體中心距離(3)對(duì)象聚類(lèi)。用新成員,計(jì)算另一個(gè)質(zhì)心群:質(zhì)心1=(100+200)/2,(100+100)/2=(150,100),質(zhì)心2=(400+500)/2,(300+400)/2=(450,350)。質(zhì)心1的樣本計(jì)算=(150,100)質(zhì)心2的樣本計(jì)算=(450,350)三次迭代后的最后分組如下所示??梢钥闯觯瑐鹘y(tǒng)k均值算法隨機(jī)選擇初始質(zhì)心導(dǎo)致了三次
7、迭代。3 增強(qiáng)初始中心k均值算法3.1 主要步驟3.1.1 初始化給定簇的數(shù)量k,增強(qiáng)初始質(zhì)心意味著給予對(duì)象屬性更準(zhǔn)確的加權(quán)平均值。計(jì)算得到的最高和最低加權(quán)平均值作為創(chuàng)建初始分簇的初始質(zhì)心。初始分簇使用計(jì)算的初始質(zhì)心,將對(duì)象劃分為k個(gè)群集。分簇和收斂步驟則相似于傳統(tǒng)的k均值算法。3.1.2 分簇分配步驟:使用歐幾里德距離計(jì)算聚類(lèi),如果數(shù)據(jù)當(dāng)前不在具有最接近原型的簇中,則將其重新分配給距離其最近的簇;更新步驟:如果發(fā)生重新分配,則更新簇,并使用當(dāng)前聚類(lèi)重新計(jì)算質(zhì)心;3.1.3 重復(fù)迭代,直到產(chǎn)生收斂由于質(zhì)心是數(shù)據(jù)集中指示相等權(quán)重的所有點(diǎn)的平均位置,因此加權(quán)平均值是指定數(shù)據(jù)集中點(diǎn)的實(shí)際權(quán)重,其中最
8、高加權(quán)平均和最低加權(quán)平均值用x,y來(lái)表示。該算法結(jié)果表明組間重疊被最小化,并且分離更明顯。增強(qiáng)質(zhì)心的k均值算法應(yīng)用數(shù)據(jù)集的加權(quán)平均值,能夠清楚地分離數(shù)據(jù)集,并且具有較少的迭代次數(shù)。它不僅消除了初始質(zhì)心的隨機(jī)選擇,而且減少了用于聚類(lèi)的歐氏距離計(jì)算。endprint3.2 實(shí)例驗(yàn)證加權(quán)平均值是按權(quán)重大小進(jìn)行分配的平均值,以下是加權(quán)平均數(shù)s的公式:s=wx/w(3)將k均值算法的同樣應(yīng)用在學(xué)生成績(jī)問(wèn)題中,確定列中的最高點(diǎn)。對(duì)于屬性x(平時(shí)測(cè)驗(yàn)),其最高點(diǎn)(即最高成績(jī))是500。根據(jù)給定的權(quán)重得到每個(gè)點(diǎn)的加權(quán)平均值,權(quán)重將等于給定屬性的最高點(diǎn)。x1=100*500/1200=41.67x2=200*5
9、00/1200=83.33x3=400*500/1200=166.66x4=500*500/1200=208.33對(duì)于屬性y(書(shū)面考試),其最高點(diǎn)是400。y的每個(gè)點(diǎn)的加權(quán)平均值為:x1=100*400/900=44.44x2=100*400/900=44.44y1=300*400/900=133.33y2=400*400/900=177.78x=41.57和y=44.44,這是通過(guò)加權(quán)平均獲得的兩個(gè)初始質(zhì)心。因此,初始質(zhì)心是質(zhì)心1=(100,100),質(zhì)心2 =(500,400)。通過(guò)歐幾里德距離的公式來(lái)計(jì)算群集中心到每個(gè)對(duì)象之間的距離。迭代1:使用歐幾里德距離知道質(zhì)心1(100,100)之
10、間的距離的樣本計(jì)算如下所示:質(zhì)心1的樣本計(jì)算=(100,100)質(zhì)心2=(500,400)物體的歐氏距離的樣本計(jì)算如下所示:質(zhì)心2的樣本計(jì)算=(500,400)使用歐幾里德的第一次迭代的初始結(jié)果如下表所示。質(zhì)心1(100,100)=(0.00,100.00,360.55,500.00)之間的距離。 質(zhì)心2(500 400)=(500,424.26,141.42,0.00)之間的距離。 基于計(jì)算,對(duì)象聚類(lèi)是檢查對(duì)象到兩個(gè)質(zhì)心的最小距離的過(guò)程。初步計(jì)算后,增強(qiáng)型k均值組1的迭代1已經(jīng)有2名成員,1名和2名學(xué)生,與第2組相同, 只有一名成員,第2組有3名成員。在新方法中,由于組1和組2各有2個(gè)成員,
11、因此我們必須計(jì)算對(duì)象分簇的新質(zhì)心。迭代2:新質(zhì)心1將為(100 + 200)/ 2(100 + 100)2 =(150,100)物體與質(zhì)心1的新計(jì)算距離為(50,50,320.15.460.97)。質(zhì)心1的樣本計(jì)算=(150,100)新質(zhì)心2將為(400 + 500)/,(300 + 400)/ 2 =(450,350)。質(zhì)心2=(430.11,353.55,70.71,70.71)物體距離的樣本計(jì)算如下所示:質(zhì)心2的樣本計(jì)算=(450,350)比較原始的k均值算法和迭代,修改的k均值算法已達(dá)到穩(wěn)定,不需要更多的迭代。與以前的k均值算法相比,迭代次數(shù)減少了。基于增強(qiáng)初始質(zhì)心的k均值算法獲得的初
12、始質(zhì)心如表所示。使用增強(qiáng)初始質(zhì)心的k均值算法進(jìn)行聚類(lèi)的最終結(jié)果如下所示。4 小結(jié)增強(qiáng)的初始質(zhì)心的k均值算法,由于對(duì)應(yīng)用數(shù)據(jù)集進(jìn)行加權(quán)平均,消除了初始值的隨機(jī)選擇,減少了迭代步數(shù),降低了計(jì)算復(fù)雜度。k均值必須預(yù)先輸入k值作為輸入?yún)?shù),因?yàn)椴贿m當(dāng)?shù)膋選擇可能產(chǎn)生不準(zhǔn)確的分類(lèi)結(jié)果,這是我們下一步研究的方向,著力解決該問(wèn)題?!緟⒖嘉墨I(xiàn)】1j han j,kamber m.范明,孟小峰,等譯:數(shù)據(jù)挖掘概念與技術(shù).第一版.北京:機(jī)械工業(yè)出版社.2006,185-217.2t.kanungo,d.m mount,n.s.netanyahu,etal.an efficient k-means clusteringalgorithm:analysis and implementation.ieee transactions on
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 醫(yī)院配方轉(zhuǎn)讓協(xié)議書(shū)
- 員工電腦借用協(xié)議書(shū)
- 土地復(fù)墾遷墳協(xié)議書(shū)
- 員工合伙門(mén)店協(xié)議書(shū)
- 地稅委托繳費(fèi)協(xié)議書(shū)
- 廚房供貨合同協(xié)議書(shū)
- 口罩購(gòu)買(mǎi)協(xié)助協(xié)議書(shū)
- 場(chǎng)地出租合伙協(xié)議書(shū)
- 合辦物流公司協(xié)議書(shū)
- 變更監(jiān)護(hù)關(guān)系協(xié)議書(shū)
- JJG 272-2024空盒氣壓表和空盒氣壓計(jì)檢定規(guī)程
- Z20名校聯(lián)盟(浙江省名校新高考研究聯(lián)盟)2025屆高三第一次聯(lián)考數(shù)學(xué)試題卷
- 就業(yè)協(xié)議書(shū)范本(完整版)
- 英語(yǔ)漫談中國(guó)故事智慧樹(shù)知到答案2024年上海立達(dá)學(xué)院
- 小學(xué)英語(yǔ)語(yǔ)法專(zhuān)題訓(xùn)練:名詞所有格(含答案)
- 公司食堂外包項(xiàng)目投標(biāo)方案(技術(shù)方案)
- GB/T 35170-2024水泥窯協(xié)同處置的生活垃圾預(yù)處理可燃物
- DL∕T 5161.5-2018 電氣裝置安裝工程質(zhì)量檢驗(yàn)及評(píng)定規(guī)程 第5部分:電纜線路施工質(zhì)量檢驗(yàn)
- 煤礦重要崗位人員《水泵司機(jī)》復(fù)訓(xùn)機(jī)考題庫(kù)(含答案)
- AQ 1020-2006 煤礦井下粉塵綜合防治技術(shù)規(guī)范(正式版)
- 綠化養(yǎng)護(hù)服務(wù)投標(biāo)方案(技術(shù)標(biāo))
評(píng)論
0/150
提交評(píng)論