一种层次初始的聚类个数自适应的聚类方法研究

K均值聚类算法是一种常见且有效的基于划分的聚类算法。为解决该聚类算法对初始中心敏感的问题，常用的方法是层次化初始聚类中心。然而，层次初始的聚类算法仍然需要将聚类个数作为输入参数，在高维数据和海量数据中不易应用。基于能够自动确定聚类数目的目的，采用DBI度量，提出一种层次初始的聚类个数自适应的聚类方法（简称DHIKM）。通过UCI数据集和仿真数据上的实验，证明DHIKM可以在采样数据中快速找到合适的聚类个数，实验结果表明该算法在聚类质量与收敛速度上的有效性。