盛靖友，张洪伟

(成都信息工程大学计算机学院，成都610225)



基于预测强度的变量自动加权K-Means算法的研究与应用

盛靖友，张洪伟

(成都信息工程大学计算机学院，成都610225)

为了克服传统K-Means算法k值不能确定问题和不具备变量自动选择能力，将预测强度和变量自动加权K-Means算法相结合，提出基于预测强度的变量自动加权K-Means算法。预测强度表示聚类模型对未知数据的预测能力，预测能力越强，则聚类结果越佳，主要用于k值的确定；变量自动加权K-Means算法具有在聚类过程中自动调整变量权重的能力，对于噪声变量和冗余变量削弱其对距离的贡献，使聚类结果反映最真实的聚类结构。实验表明，算法具有较强的分类能力和预测能力。

K-Means;预测强度;变量自动加权

引言

聚类分析是数据挖掘的一项基本任务[1]，K-Means算法是一种非常经典的聚类算法，因为其简单、高效和快速收敛的特点而得到广泛应用[2]。K-Means算法在聚类过程中将数据对象中的每个变量都同等对待，但在大多数情况下真实的聚类结构仅限于变量集合的一个子集上，噪声变量和冗余变量通常会掩盖真实的聚类结构；同时，K-Means算法在执行前，需要事先指定k值，而在大数据聚类时几乎是不可能提前预知k值的。

聚类分析是无监督学习[10]，学习到的模型对未知数据的预测能力称为泛化能力，如果一味追求对已知训练数据准确率，而忽略对未知数据的预测能力，则会出现过拟合的现象[11]。预测强度作为衡量训练模型对未知数据预测能力强弱的指标，很早就被提出来了，预测强度的思想是一个好的聚类结果应该能对未知的样本进行预测，且预测的结果与该样本自身的聚类结果做到很好的吻合[12]。……