新模糊聚类有效性指标

摘要

模糊聚类是模式识别、机器学习和图像处理等领域的重要研究内容.模糊C-均值聚类算法是最常用的模糊聚类实现算法.该算法需要预先给定聚类数才能对数据集进行聚类.提出了一种新的聚类有效性指标,对聚类结果进行有效性验证.该指标从划分熵、隶属度、几何结构角度,定义了紧凑度、分离度、重叠度三个重要特征测量.在此基础上,提出了一种最佳聚类数确定方法.将新聚类有效性指标与传统有效性指标在六个人工数据集和三个真实数据集进行实验验证.实验结果表明,所提出的指标和方法能够有效地对聚类结果进行评估,适合确定样本的最佳聚类数.