基于互信息和轮廓系数的聚类结果评估方法

2020-09-07 04:12:58尹世庄谢方方刘丽君
兵器装备工程学报 2020年8期
关键词:效果

尹世庄,王 韬,谢方方,刘丽君,曲 直,张 斌

(1.陆军工程大学石家庄校区, 石家庄 050003;2.陆军工程大学, 南京 210000)

聚类是一种无监督的学习方法,训练样本没有标签,其聚类结果的好坏难以直接评判[1]。聚类有效性分析主要是研究如何评价得到的不同聚类结果[2]。目前主要有调整兰德系数、互信息评分[3]。针对二进制协议聚类效果评估的研究还比较少,对于未知二进制协议来说,由于其结果正确性无法评判,不能以正确率、识别率、误识别率[4]等指标进行评价。为了解决这一问题,可采用聚类性能度量中的“内部指标”(internal index)进行评判。常用的内部指标有:DB指数(Davies-Bouldin Index,DBI);Dunn指数(Dunn Index,DI),这两个指数在一定程度上分别反映了簇内距离和簇间距离[5]。显然,DBI越小越好,DI越大越好。本文采用轮廓系数和调整互信息对未知二进制的聚类效果进行评价,调整互信息对聚类结果的簇内距离进行评估,轮廓系数对整体的聚类效果进行评估。

1 相关理论和方法

1.1 聚类性能度量

聚类性能度量也称为聚类的有效性指标,用来评估聚类结果的好坏。从提高聚类精度的角度出发,如果确定了所需要的性能度量,那么我们就可以将该性能度量引入聚类过程中的优化函数,得到更加符合需求的结果。一般来说聚类性能度量可分为两类,分别为外部指标和内部指标。外部指标将聚类结果与某个外部模型进行比较,内部指标则是直接分析聚类结果的本身特性。我们研究的是未知二进制协议,因而采用内部指标。……

登录APP查看全文

猜你喜欢
效果
按摩效果确有理论依据
保湿喷雾大测评!效果最惊艳的才20块!
好日子(2021年8期)2021-11-04 09:02:46
笑吧
迅速制造慢门虚化效果
创造逼真的长曝光虚化效果
四种去色效果超越传统黑白照
抓住“瞬间性”效果
中华诗词(2018年11期)2018-03-26 06:41:34
期末怎样复习效果好
模拟百种唇妆效果
Coco薇(2016年8期)2016-10-09 02:11:50
3D—DSA与3D—CTA成像在颅内动脉瘤早期诊断中的应用效果比较