基于层次划分的密度优化聚类算法

逄琳 刘方爱

摘 要：针对传统的聚类算法对数据集反复聚类，且在大型数据集上计算效率欠佳的问题，提出一种基于层次划分的最佳聚类数和初始聚类中心确定算法——基于层次划分密度的聚类优化（CODHD）。该算法基于层次划分，对计算过程进行研究，不需要对数据集进行反复聚类。首先，扫描数据集获得所有聚类特征的统计值；其次，自底向上地生成不同层次的数据划分，计算每个划分数据点的密度，将最大密度点定为中心点，计算中心点距离更高密度点的最小距离，以中心点密度与最小距离乘积之和的平均值为有效性指标，增量地构建一条关于不同层次划分的聚类质量曲线；最后，根据曲线的极值点对应的划分估计最佳聚类数和初始聚类中心。实验结果表明，所提CODHD算法与预处理阶段的聚类优化（COPS）算法相比，聚类准确度提高了30%，聚类算法效率至少提高14.24%。所提算法具有较强的可行性和实用性。

关键词：聚类算法；层次划分；最佳聚类数；初始聚类中心；聚类有效性指标

中图分类号： TP301.6 文献标志码：A英文标题