基于信息熵改进的K-means动态聚类算法

杨玉梅

(川北医学院 图书馆,四川 南充 637000)



基于信息熵改进的K-means动态聚类算法

杨玉梅

(川北医学院 图书馆,四川 南充 637000)

摘要：初始聚类中心及聚类过程产生的冗余信息是影响K-means算法聚类性能的主要因素，也是阻碍该算法性能提升的主要问题。因此，提出一个改进的K-means算法。改进算法通过采用信息熵对聚类对象进行赋权来修正聚类对象间的距离函数，并利用初始聚类的赋权函数选出质量较高的初始聚类中心点；然后，为算法的终止条件设定标准阈值来减少算法迭代次数，从而减少学习时间；最后，通过删除由信息动态变化而产生的冗余信息来减少动态聚类过程中的干扰，以使算法达到更准确更高效的聚类效果。实验结果表明，当数据样本数量较多时，相比于传统的K-means算法和其他改进的K-means算法，提出的算法在准确率和执行效率上都有较大提升。

关键词：K-means算法；信息熵；数据挖掘；动态聚类

0引言

聚类分析作为数据挖掘的重要分支，在信息化时代起着举足轻重的作用。聚类分析的目标在于将数据集分成若干个簇，并保证同一簇内的数据点相似度尽可能的大，簇与簇之间的数据点的相似度尽可能的小[1]。聚类操作是对事先未知的数据对象进行类的划分，而类的形成是由数据驱动来完成。在数据挖掘领域中，聚类分析既可以作为数据挖掘过程中的一个环节，又可以作为获取数据分布情况的工具。聚类分析的应用前景较为广泛，比如：生物种群的划分、目标客户的定位、市场趋势分析、模式识别及图像处理等[2]。……