聚类分析(二) K-MEANS

Oudasheng 2012-12-27

K-means算法

一般情况,聚类算法可以划分为以下几类:划分方法(partitioning method)、层次方法(hierarchicalmethods)、基于密度的方法(density-based methods)、基于网格的方法(grid-based methods)、基于模型的方法(model-based methods).k-means算法属于划分方法中的一种。

K-means算法的整个流程:首先从聚类对象中随机选出K个对象作为类簇的质心(当然了,初始参数的K代表聚类结果的类簇数),对剩余的每个对象,根据它们分别到这个K个质心的距离,将它们指定到最相似的簇(因为K-means是利用距离来量化相似度的,所以我们这里可以理解为是“将它们指定到离最近最近距离的质心所属类簇”)。然后重新计算质心位置。以上过程不断反复,直到准则函数收敛为止。通常采用平方误差准则,定义如下:

聚类分析(二) K-MEANS其中,E代表的意思是所有类簇中各对象到其所属类簇质点平方误差和.

K:聚类结果类簇个数

Ci:第i个类簇

P:类簇中聚类对象

mi:第i个类簇的质心

K-means的优点和不足:能处理大型数据集,结果簇相当紧凑,并且簇和簇之间明显分离。计算复杂性O(tkn) t:迭代次数、K :聚类数 n:样本数;但是

1)该算法必须事先给定类簇数和质点,簇数和质点的初始值设定往往会对聚类的算法影响较大。

2 ) 通常会在获得一个局部最优值时停止,

3 ) 并且只适合对数值型数据聚类,

4) 只适用于聚类结果为凸形的数据集,K-means方法不适合发现非凸面形状的类簇,或者大小差别很大的簇。

5) 对“噪音”和孤立点数据敏感,少量的该类数据对质点的计算会产生极大的影响。

关于K-means的代码实现网上有很多,java版的本人自己也实现了,有需要则可以留下MAIL。:)

相关推荐

EffortsRun / 0评论 2014-04-22