一种基于慢启动模型的快速自适应聚类算法

针对聚类中不能事先确定聚类数目的问题,提出了一种可快速确定最佳聚类数目的"慢启动"模型及其快速聚类算法。在该算法中,首先通过类密度与平均平均类心距离的线性组合生成一个能对聚类效果做出评估的判决函数;然后,选择一个较大的初始类数目开始聚类,在每轮聚类过程中,利用新提出的判决函数基于类数目指数递减的方法来找到目标聚类数目的大致区间;最后,再进一步利用类数目线性递减方法准确找到最佳聚类数目。实验结果表明,新算法具有良好的聚类效果。