来源：期刊VIP网 时间：
作者：王丙参;王国长;魏艳华;
单位：天水师范学院数学与统计学院;暨南大学经济学院;
摘要：文章基于k-means算法探讨了最优聚类个数k~*的确定方法：第一类是统计量方法；第二类是聚类算法不稳定性方法，即基于两次聚类结果间的距离，利用交叉验证、随机抽样取交集、自助法来构建聚类算法估计不稳定性指标，并根据投票、最小化均值方法确定k~*。数值模拟结果显示：在给定k~*的情况下，聚类结果与标签的距离或相似度可作为评价聚类结果的指标，为聚类算法评价提供了新的借鉴；基于k-means算法确定k~*的前提是数据集根据欧氏距离可明显分为几簇，相对而言，聚类算法不稳定性方法优于统计量方法；对于不稳定性指标，交叉验证估计方法与随机抽样取交集估计方法对抽样个数稳健，抽样个数依次建议略少于样本容量的1/3、80%；自助抽样估计方法由于利用了全部样本，因此效率更高；4种不稳定性指标没有显著差异，投票与最小化均值方法也没有显著差异。
关键词：k-means算法;;聚类个数;;统计量;;不稳定性
基金资助：国家自然科学基金资助项目（11665019;11671268）;; 天水师范学院高层次人才科研项目（KYQ2023-13）
