K-means聚类算法中聚类个数的方法研究

刘 飞，唐雅娟，刘 瑶

（汕头大学 电子工程系，广东 汕头515063）

K-means聚类算法中聚类个数的方法研究

刘 飞，唐雅娟，刘 瑶

（汕头大学 电子工程系，广东 汕头515063）

在数据挖掘算法中，K均值聚类算法是一种比较常见的无监督学习方法，簇间数据对象越相异，簇内数据对象越相似，说明该聚类效果越好。然而，簇个数的选取通常是由有经验的用户预先进行设定的参数。本文提出了一种能够自动确定聚类个数，采用SSE和簇的个数进行度量，提出了一种聚类个数自适应的聚类方法（简称：SKKM）。通过UCI数据和仿真数据对象的实验，对SKKM算法进行了验证，实验结果表明改进的算法可以快速的找到数据对象中聚类个数，提高了算法的性能。

K-means算法；聚类个数；初始聚类中心；数据挖掘；K-means算法改进

近年来，随着科学技术的发展，特别是云计算、物联网等新兴应用的兴起，我们的社会正从信息时代步入数据时代。数据挖掘就是从大量的、不完整的、有噪声的数据中通过数据清洗、数据挖掘、知识表示等过程挖掘出数据隐藏的信息。目前，数据挖掘已经广泛的应用在电信、银行、气象等行业。其中，聚类算法是数据挖掘中比较常见的一种方法，并且广泛的应用在多个领域[1]。K均值算法通常是由有经验的用户对簇个数K进行预先设定，K值设定的不正确将会导致聚类效果不佳[2]。因此，本文提出了一种SKKM聚类算法，可以对K值大小进行确定。

文献[3]中提出了基于划分的聚类算法，该方法对簇的个数并不是自动的获取，而是通过有经验的用户进行设定。……