A consistency-based validation for data clustering
A consistency-based validation for data clustering
复制标题
基于一致性的数据聚类验证
DOI：
10.3233/ida-150727
复制
发表时间：
2015
影响因子：
1.7
通讯作者：
Jiang Xiaoyi
中科院分区：
文献类型：
--
作者：
Zhu Bing;He Changzheng;Jiang Xiaoyi
聚类分析是客户细分的有力工具。虽然已经提出了各种算法，确定最佳数量的集群仍然是一个困难的问题。针对这一问题，提出了一种基于一致性准则的聚类方法.新方法的主要特点是它需要很少的先验信息，并能自动找到最佳的聚类数。广泛的比较超过22个真实世界的数据集，从不同的领域，其中四个著名的聚类算法结合六个聚类指标被用作基准方法。结果表明，我们的方法在适当地确定聚类数的优越性。最后，以信用卡用户为例，说明了该方法在客户细分中的应用。
Clustering analysis is a powerful tool in customer segmentation. Although various algorithms have been proposed, the determination of the optimal number of clusters remains to be a difficult issue. In this paper, a clustering method based on consistency criterion is proposed to address this issue. The main characteristic of the new approach is that it requires little prior information and can find the optimal number of clusters automatically. Extensive comparisons are done over 22 real-world datasets from different domains, in which four well-known clustering algorithms in combination with six clustering indices are used as the benchmark methods. The results demonstrate the superiority of our method in appropriately determining the number of clusters. An application of the new approach in customer segmentation of credit card users is also illustrated.
登录
查看更多内容
影响因子：
6.1
作者：
A. Chaturvedi;J. Carroll;P. Green;J. A. Rotondo
通讯作者：
A. Chaturvedi;J. Carroll;P. Green;J. A. Rotondo
DOI：
10.1016/j.patcog.2009.10.001
发表时间：
2010-04
期刊：
Pattern Recognit.
影响因子：
--
作者：
M. Falasconi;A. Gutierrez;M. Pardo;G. Sberveglieri;Santiago Marco
通讯作者：
M. Falasconi;A. Gutierrez;M. Pardo;G. Sberveglieri;Santiago Marco
影响因子：
8
作者：
Arbelaitz, Olatz;Gurrutxaga, Ibai;Perona, Inigo
通讯作者：
Perona, Inigo
影响因子：
4.8
作者：
S. Saha;S. Bandyopadhyay
通讯作者：
S. Saha;S. Bandyopadhyay
影响因子：
8
作者：
Pakhira, MK;Bandyopadhyay, S;Maulik, U
通讯作者：
Maulik, U