科研之友
微信
新浪微博
Facebook
分享链接
摘要
聚类有效性指标可用来评估聚类结果的有效性，并且帮助判别聚类的类别数。现有的面向模糊C均值算法的聚类有效性指标存在对于类内紧致性的刻画不太到位、对于类间分离性的度量刻画不够准确的问题。为此，基于类内紧致性和类间分离性两个角度着手设计，提出了一种新的模糊聚类有效性指标——考虑最大值和均值的指标（maximum-mean,MAME）。首先，考虑了整个数据集的综合特征，计算分别分为K类和1类的情况的比值，提出了一种新的模糊紧致性度量表达式。其次，引入最大聚类中心距离和平均聚类中心距离，提出了一种新的分离性度量方法。最后，从模糊紧致性度量表达式、分离性度量方法出发，提出了MAME指标。面向5个UCI数据集和6个人工数据集，和9个聚类有效性指标（包括CH、DB、NPC、PE、FSI、XBI、NPE、WLI和I指标）一起进行了对比实验，验证了所提指标的准确性、稳定性，说明了MAME指标的鲁棒性较好。
- 单位
