SOM_K_means两阶段聚类算法及其应用

现代电子技术 2010年第16期总第327期

计算机应用技术

SOM+K-means两阶段聚类算法及其应用

周 欢,李广明,张高煜

(上海金融学院信息管理学院,上海 201209)

摘 要:在众多聚类算法中,K-means和自组织神经网络(SOM)是较为经典的2个。在分析2种算法优缺点的基础上,提出基于SOM的K-means两阶段聚类算法,该算法根据SOM算法自动聚类的优点得到初步聚类数目和各类中心点,以此作为K-means算法的初始输入进一步聚类,从而得到精确的聚类信息。最后,应用该算法对某地区电信家庭客户数据进行分析,结果表明该算法有较好的聚类效果。

关键词:聚类;自组织神经网络;K-means;细分

中图分类号:TN911-34 文献标识码:A 文章编号:1004-373X(2010)16-0113-04

SOM+K-meansTwo-phaseClusteringAlgorithmandItsApplication

ZHOUHuan,LIGuang-ming,ZHANGGao-yu

(SchoolofInformationManagement,ShanghaiFinanceUniversity,Shanghai201209,China)

Abstract:K-meansandSOMnetworkaretwoclassicalalgorithmsamongmanyclusteringones.AnewSOM-basedK-meanstwo-phaseclusteringalgorithmisproposedbasedontheanalysisoftheadvantagesandshortcomingsofthetwoalgo-rithms.ThequantityofthepreliminaryclusteringandthecentralpointofeachclusterwereacquiredwithK-meansalgorithm,bymeansoftheauto-clusteringadvantagesofSOMalgorithm.TakingtheresultsastheinitialinputoftheK-meansalgorithmtomakethefurtherclustering,theaccurateclusteringresultsaregained.Thedataofthetelecomfamilycustomersinadis-trictisanalyzedwiththealgorithm.TheresultsconfirmthatthealgorithmisbetterthanSOMnetworkandK-meansalgo-rithmswhentheyareseparatelyused.

Keywords:clustering;SOMnetwork;K-means;partition

0 引 言

聚类分析[1]是一种探查数据结构的工具,其核心是聚类,即将对象划分为簇,使得同一个簇的对象相似,而

不同簇的对象相异。对象可以通过某些度量(如属性/特征)或与其他对象的关系(例如,逐对距离、相似性)来描述。聚类属于非监督学习技术。在商业社会,急需对急剧增长的数据加以组织并从数据中学习有价值信息,这使得聚类成为一个非常活跃的研究领域,是数据挖掘中、也是实践中应用得最多的分析方法。在聚类分析中,用得比较广泛的一种聚类算法就是K-means算法[2],该算法具有简单、容易理解、计算方便、速度快以及能够有效处理大型数据库的优点而成为聚类分析中的经典算法。但K-means算法存在着固有的缺点:如初始值对聚类结果影响较大、容易陷入局部最优、依赖经验判断最优类的个数以及对 噪音 和孤立点数据比较敏感,这些缺陷大大限制了它的应用范围和效果。和K-means算法相比,SOM[7-8](selforganizingmap-ping)神经网络是一个无监督的学习模式,它能够将数据

收稿日期:2010-03-16

[3-6]

从高维空间映射到低维空间上,通过降维寻找多维数据的主要统计特征,并根据数据间的相似性自动将数据分成不同的类别,从而达到增强客户有用信息,降低噪声的影响。两者相比,SOM网络不能提供分类后精确的聚类信息,而K-means在已知聚类数目和中心点的情况下有着很高的精确性

[10]

[9]

。结合这2种算法的优缺点,在此

提出SOM+K-means两阶段聚类算法,将其引入电信家庭客户细分中,并给出具体的应用过程。1 算法描述1.1 SOM算法

SOM网络能模拟大脑神经系统自组织特征映射的功能,是一种竞争式学习网络,自适应学习能力和鲁棒性强,能无监督地进行自组织学习。其结构如图1所示。它由输入层和输出层(竞争层)组成,对于输入模式的畸变和噪声的容差大。在该网络中,输出节点与领域其他节点广泛相连,并互相激励。输入节点与输出节点通过强度Wji(t)相连,通过某种规则,不断地调整Wji(t),使得在稳定时,每一领域的所有节点对某种输入具有类似的输出,并且这种聚类的概率分布与输入模

113