确定 K-Means 聚类数：一种基于超球密度的方法
机器学习
2019-12-05 v2 机器学习
摘要
K-Means 算法的应用受限于聚类数须预先已知这一事实。先前提出的解决该问题的方法或是特设的，或需要参数假设与复杂计算。所提方法旨在通过将聚类超球密度视为决定给定数据集中聚类数的因素来解决这一难题。通过围绕聚类中心为 n 个不同聚类数假设超球来计算密度。将计算值对其相应聚类数作图，然后通过考察图的肘部区域得到最优聚类数。该方法简单、易于理解，并提供稳健可靠的结果。
引用
@article{arxiv.1912.00643,
title = {Identifying the number of clusters for K-Means: A hypersphere density based approach},
author = {Sukavanan Nanjundan and Shreeviknesh Sankaran and C. R. Arjun and G. Paavai Anand},
journal= {arXiv preprint arXiv:1912.00643},
year = {2019}
}
备注
5 pages, 13 figures, International Conference on Computers, Communication and Signal Processing - 2019