A-Criterion-for-Deciding-the-Number-of-Clusters-in-a-Dataset-Bas...

用于确定基于数据深度的数据集中的集群数量的标准 本文提出了一种新颖的思想，可以根据数据深度在数据集中找到正确的组数。 这样做的想法是避免传统的在数据集上运行聚类算法n ff次的过程，并且无需为k参数设置任何特定的搜索范围就可以找到数据集的k值。 我们在不同的真实和合成数据集上使用不同的索引（即CH，KL，Silhouette，Gap，CSP）和建议的方法进行实验，以估计数据集中的正确组数。 在真实和合成数据集上的实验结果表明了该方法的良好性能。 关键字：数据深度； 深度中位数集群内深度； 簇间深度； 最佳k。 Calinski and Harabasz（CH）指数，Calinski Harabasz指数，Davies Bouldin指数，肘法，估计D中的最佳簇数k，间隙统计，Mahalanobis深度，剪影系数，Silhouette指数