密度峰值优化初始中心的Kmea.PDF

第３４卷第３期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．３ ２０１７年３月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｒ．２０１７ 密度峰值优化初始中心的Ｋｍｅａｎｓ算法 李　敏　张桂珠 （江南大学物联网工程学院　江苏无锡２１４１２２） 摘　要　　Ｋｍｅａｎｓ算法随机选取初始聚类中心，容易导致聚类结果不稳定。为此，提出一种快速密度峰值有哪些信誉好的足球投注网站 算法ＣＦＳＦＤＰ（ｃｌｕｓｔｅｒｉｎｇｂｙｆａｓｔｓｅａｒｃｈａｎｄｆｉｎｄｏｆｄｅｎｓｉｔｙｐｅａｋｓ）优化初始中心的Ｋｍｅａｎｓ算法。首先针对ＣＦＳＦＤＰ 算法中截断距离的选取影响局部密度的计算这一缺点，提出用动力学中的势能替换数据点的局部密度；在此基础 上，利用改进的ＣＦＳＦＤＰ算法选取初始聚类中心，实现Ｋｍｅａｎｓ聚类。在ＵＣＩ数据集和人工模拟数据集上的测试 结果表明，优化后的新算法具有更好的聚类结果。 关键词　　Ｋｍｅａｎｓ算法　ＣＦＳＦＤＰ算法　密度峰值　引力势能 中图分类号　ＴＰ１８　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０３．０３８ ＫＭＥＡＮＳＡＬＧＯＲＩＴＨＭＯＦＯＰＴＩＭＩＺＥＤＩＮＩＴＩＡＬＣＥＮＴＥＲＢＹＤＥＮＳＩＴＹＰＥＡＫＳ ＬｉＭｉｎ　ＺｈａｎｇＧｕｉｚｈｕ （ＳｃｈｏｏｌｏｆＩＯＴＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｋｍｅａｎｓａｌｇｏｒｉｔｈｍｒａｎｄｏｍｌｙｓｅｌｅｃｔｓｔｈｅｉｎｉｔｉａｌｃｌｕｓｔｅｒｃｅｎｔｅｒｓ，ｗｈｉｃｈｃａｎｅａｓｉｌｙｌｅａｄｔｏｔｈｅｉｎｓｔａｂｉｌｉｔｙｏｆ ｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔｓ．Ｔｏｏｖｅｒｃｏｍｅｔｈｉｓｄｅｆｉｃｉｅｎｃｙ，ａＫｍｅａｎｓａｌｇｏｒｉｔｈｍｎａｍｅｄｃｌｕｓｔｅｒｉｎｇｂｙｆａｓｔｓｅａｒｃｈａｎｄｆｉｎｄｏｆｄｅｎｓｉｔｙ ｐｅａｋｓ（ＣＦＳＦＤＰ）ｉｓｐｒｏｐｏｓｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅｉｎｉｔｉａｌｃｅｎｔｅｒ．Ｆｉｒｓｔｌｙ，ａｉｍｉｎｇａｔｔｈｅｄｉｓａｄｖａｎｔａｇｅｔｈａｔｔｈｅｓｅｌｅｃｔｉｏｎｏｆ ｔｒｕｎｃａｔｅｄｄｉｓｔａｎｃｅｉｎＣＦＳＦＤＰａｌｇｏｒｉｔｈｍａｆｆｅｃｔｓｔｈｅｌｏｃａｌｄｅｎｓｉｔｙ，ｉｔｉｓｐｒｏｐｏｓｅｄｔｈａｔｔｈｅｌｏｃａｌｄｅｎｓｉｔｙｏｆｅａｃｈｐｏｉｎｔｃａｎｂｅ ｒｅｐｌａｃｅｄｂｙｇｒａｖｉｔａｔｉｏｎａｌｐｏｔｅｎｔｉａｌｅｎｅｒｇｙ．Ｂａｓｅｄｏｎｔｈｉｓ，Ｋｍｅａｎｓｃｌｕｓｔｅｒｉｎｇｃａｎｂｅｉｍｐｌｅｍｅｎｔｅｄｂｙｕｓｉｎｇｔｈｅｏｐｔｉｍｉｚｅｄ ＣＦＳＦＤＰａｌｇｏｒｉｔｈｍｔｏｓｅｌｅｃｔｉｎｉｔｉａｌｃｌｕｓｔｅｒｃｅｎｔｅｒｓ．ＴｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｓｔｅｓｔｅｄｏｎＵＣＩｄａｔａｓｅｔｓａｎｄｓｙｎｔｈｅｔｉｃｄａｔａ ｓｅｔｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｃａｎａｃｈｉｅｖｅｂｅｔｔｅｒｃｌｕｓｔｅｒｉｎｇ． Ｋｅｙｗｏｒｄｓ　　Ｋｍｅａｎｓａｌｇｏｒｉｔｈｍ　ＣＦＳＦＤＰａｌｇｏｒｉｔｈｍ　Ｄｅｎｓｉｔｙｐｅａｋ　Ｇｒａｖｉｔａｔｉｏｎａｌｐｏｔｅｎｔｉａｌｅｎｅｒｇｙ 用的基于划分的聚类算法［４］，Ｋｍｅａｎｓ具有简单、速度 ０　引　言 快的优点，并且能够有效地处理大文本集。但Ｋｍｅａｎｓ 算法要求事先选取初始聚类中心，初始聚类中心的选取 聚类分析是一种无监督的分类方法，是数据挖掘 严重影响聚类结果的好坏和算法的迭代次数。为此，很 中的重要研究方向之一［１］。聚类分析是通过一定的准 多学者致力于Ｋｍｅａｎｓ算法初始聚类中心优化研究。