java k均值相异度计算_聚类算法中的相似性度量方法研究

心智与计算176心智与计算, Vol.2，No.2 (2008), 176-181

文章编号：MC - 2008-18

收稿日期：2008-07-30

出版日期：2008-09-30

? 2007 MC– 厦门大学信息与技术学院

聚类算法中的相似性度量方法研究

赖桃桃，冯少荣

(厦门大学计算机科学系，福建厦门 361005)

laitt_ct@http://www.doczj.com/doc/a8f97dec0975f46527d3e169.html

摘要：针对传统的欧氏距离计算相异度的不足,在研究已有的相似性度量方法的基础上提出一种新的相似性计算方法，对此进行分析，说明了该度量方法有更好的可解释性；把它用于k-means聚类算法中跟欧氏距离进行比较，在UCI基准数据集上的实验表明,该方法有更稳定的聚类结果，且提高了聚类准确率，是一种有效的聚类度量方法。

关键词：相似性；度量方法；聚类算法

391文献标识码: A

中图法分类号: TP

Research on Similarity Metrics Method for

Clustering Algorithm

LAI Tao-tao, FENG Shao-rong

(Department of Computer Science, Xiamen University, Xiamen 361005, China)

laitt_ct@http://www.doczj.com/doc/a8f97dec0975f46527d3e169.html

Abstract: According to the disadvantages of calculating dissimilarity based on traditional Euclidean distance, presented a new similarity metrics method after studied the existing method of the similarity measure, Analysis showed that the metrics method can be better interpretative; Used it in the k-means clustering algorithm with Euclidean distance comparison, the experiments bases on UCI benchmark data sets showed that this method has more stable clustering results, and improved the accuracy of clustering, it is an effective clustering metrics.

Key words: similarity; metrics method; clustering algorithm.

1引言

聚类分析已经成为数据挖掘研究领域的一个非常活跃的研究课题，聚类就是一个将数据集划分为若干组或类的过程，通过聚类使得同一组内的数据对象具有较高的相似度，而不同组中的数据对象则是不相似[1]。

没有任何一种聚类算法可普遍适用于揭示各种多维数据集所呈现出的多种多样的结构。根据数据在