论文部分内容阅读
传统的K-means算法要求事先给出聚类数k值，从而导致聚类质量的下降。本文提出一种基于聚类有效性函数IG的K-means算法，该函数定义为数据特征轴总长度的平方与最小类间距的比值，当比值达到最小时对应的值为最佳聚类数k。而且，与其它有效性函数比较，IG能高效处理簇密度不同的数据集。实验证明，改进算法提高了聚类质量。