梁霄波

摘要：文章主要以數(shù)據(jù)挖掘算法的性能優(yōu)化作為出發(fā)點(diǎn)，研究了相關(guān)的聚類算法，根據(jù)近些年來國際上對于聚類算法的原理、關(guān)鍵技術(shù)的研究分析了相關(guān)聚類個(gè)數(shù)K的相關(guān)作用和影響。希望通過文章的研究和報(bào)道能夠?qū)ρ芯繑?shù)據(jù)挖掘提供幫助，使得研究更夠朝著更加有效和便捷的方向前進(jìn)。

關(guān)鍵詞：聚類算法；性能優(yōu)化；k-means

1

k-means經(jīng)典算法

1.1基本思想

一般來說，k-means算法可以算作是聚類算法中最為經(jīng)典和有效的算法，k-means算法最早的提出時(shí)間在1967年，主要提倡在算法的過程中把k當(dāng)作算法的基本參數(shù)，通過對參數(shù)的運(yùn)用將n個(gè)對象分為k個(gè)簇，該種分布方法能夠讓每個(gè)簇中的對象具有極高的相似性，但是簇與簇之間的差別性卻很高。一般來說，k-means算法的基本思想可以從4個(gè)方面加以闡述。

1.1.1隨機(jī)選取個(gè)對象作為初始類的質(zhì)心

k-means算法具有極高的隨機(jī)性，這種隨機(jī)性也是其作為算法最基本的屬性，保證了數(shù)據(jù)的合理運(yùn)用。由于隨機(jī)性的選擇對象，避免了主觀的判斷，使數(shù)據(jù)的后續(xù)運(yùn)用能夠有效地進(jìn)行。

1.1.2計(jì)算對象與各個(gè)類質(zhì)心的距離，將對象劃分到距離其最近的類

同上文的隨機(jī)性一樣，這種由于算法自行運(yùn)算而選擇的最優(yōu)方案，能夠有效地縮短計(jì)算運(yùn)行的時(shí)間，節(jié)約成本，提高效率，能夠更陜、更方便地進(jìn)行。

1.1.3重新計(jì)算每個(gè)新類的均值

一般來說，k-means算法中的這一性能是在上文2個(gè)選擇的基礎(chǔ)上進(jìn)行的。由于計(jì)算機(jī)的重新計(jì)算，使得算法的步驟得以維系，方便大家的計(jì)算和運(yùn)用。

1.1.4若類的質(zhì)心無變化，則返回劃分結(jié)果，否則轉(zhuǎn)步驟1.12

第四步算法從某種程度上來說是經(jīng)過條件選擇后的再次算法運(yùn)作。通過篩選，使得算法最終的結(jié)果顯現(xiàn)出來。

1.2 k-means算法的優(yōu)缺點(diǎn)評價(jià)

一般來說，作為算法中的典型算法，k-means算法在算法的運(yùn)用過程中使用的頻率非常高，其突出優(yōu)點(diǎn)是算法特別簡單，能夠被人迅速接受和掌握。但是，k-means算法也有著本身問題。而k-means算法最為突出的不足就是具有極強(qiáng)的局限性，往往容易陷入局部最優(yōu)的場面，初始聚類中心的劃分和優(yōu)化比較麻煩，而且值的選定不夠靈活，需要在算法之前先進(jìn)行選擇。

2k-means對初始聚類中心的改進(jìn)

對于算法中結(jié)果的改進(jìn)就是指借助對于某些方面的改動(dòng)將算法運(yùn)行得更高效，更能體現(xiàn)算法最終需要達(dá)到的目的。而對于聚類算法的改進(jìn)，從另外一方面來講就是為了得到更好的聚類結(jié)果和更高效的聚類過程，就是希望能夠達(dá)到聚類的結(jié)果在同類間盡可能相似，不同的類間盡可能地體現(xiàn)出差別。對于k-means算法來說，其改進(jìn)方法也遵循這樣的一個(gè)原則。從k-means算法提出至今，已經(jīng)有很多人對于算法進(jìn)行過改進(jìn)，一般來說有以下幾個(gè)方面的改進(jìn)方法。

2.1多次選擇法

這是一種在算法設(shè)計(jì)中經(jīng)常使用到的一種方法，該種方法主要的目的在于通過對于初始類中心點(diǎn)的聚類過程的多次重復(fù)，由于重復(fù)的次數(shù)足夠其可以看作是一次隨機(jī)的偶然事件，所以在選擇的時(shí)候可以將選擇中的某一次看作是一個(gè)隨機(jī)事件。

2.2經(jīng)驗(yàn)法

經(jīng)驗(yàn)法相對于多次選擇法來說，主觀性要更強(qiáng)一些，在進(jìn)行數(shù)據(jù)挖掘的過程中通過某種存在的既有經(jīng)驗(yàn)對數(shù)據(jù)進(jìn)行選擇，將其中具有某種代表性的點(diǎn)作為初始的聚類中心。

2.3取樣法

取樣法也是算術(shù)中經(jīng)常使用的一種方法，該種算術(shù)方法指的是在算術(shù)運(yùn)算的過程中先將算術(shù)進(jìn)行一次初次的整體分類，這樣可以產(chǎn)生一種分類中心。然后多次重復(fù)這樣的做法，選擇出多組的分類中心，通過對分類中心的分類和比較最終選擇出最佳的方案進(jìn)行比較。

2.4密度法

密度法的運(yùn)用從某種程度來說是最簡單的，密度法是指在運(yùn)算之前為某一個(gè)區(qū)域中的點(diǎn)提前設(shè)置好某一個(gè)定值，然后通過轉(zhuǎn)移的方法將這個(gè)定值與其他的區(qū)域中的點(diǎn)進(jìn)行比較，如果其他區(qū)域中點(diǎn)的密度與這個(gè)定值相近則說明這2個(gè)區(qū)域接近。最后通過相互選擇從而確定最符合的初始聚類中心。

2.5遞歸法

遞歸法的運(yùn)用可以看作是最常見的一種初始聚類中心的尋找辦法，具體的做法是先把全部樣本看成一個(gè)類，樣本總均值點(diǎn)就是第一類的初始聚類中心；然后，由一類的初始聚類中心和離它最遠(yuǎn)的一個(gè)樣本作為兩類的初始聚類中心。依此類推，由類的代表點(diǎn)和離它們最遠(yuǎn)的一個(gè)樣本點(diǎn)作為類問題的初始聚類中心。

總的來說，k-means的改進(jìn)方法還有很多，每種方法都具有一定程度的可行性。但是，需要注意到，在對k-means算法進(jìn)行改進(jìn)的時(shí)候，聚類中心本身就具有一個(gè)特性，在各種改進(jìn)方法運(yùn)行的時(shí)候需要對此予以滿足，這個(gè)特性就是無論采用何種改進(jìn)方法，初始聚類中心要在不屬于同一個(gè)簇的情況下盡量靠近簇中心。

3k-means算法值的確定

k-means算法中，值的確定是具有一定難度的。不僅是因?yàn)橹档臏?zhǔn)確程度難以在實(shí)際的算法運(yùn)算過程中加以測定，因?yàn)闇?zhǔn)確值的確定需要一定程度的專業(yè)知識。而且，就另外一個(gè)方面來說，要確定值就必須對聚類有效性函數(shù)（最佳聚類數(shù)kopt）有一個(gè)較為清楚的認(rèn)識。一般而言，在如今的世界領(lǐng)域內(nèi)，確定k-means算法的值依然是一個(gè)不斷研究的過程。從1997年“kmax”的提出到近些年來“距離代價(jià)函數(shù)”的概念的廣泛運(yùn)用，關(guān)于k-means算法的值的確定一直在進(jìn)行，也在不斷豐富和完善。

4k-means算法在高校評教中的應(yīng)用

4.1學(xué)生評教的基本介紹

在高校對于學(xué)生的教學(xué)管理這一方面，學(xué)生對于教師的評教可以看作是十分重要的回饋環(huán)節(jié)。評教通常設(shè)置在學(xué)生查看課程成績之前，即學(xué)生先對任課的教師進(jìn)行評教，才能查看自己的學(xué)科成績。從某種程度上來說，這種做法有效地避免了學(xué)生由于對教師所給成績的不滿意而隨意評教的情況，能夠客觀地對各位教師的教學(xué)情況作一個(gè)了解。評教的存在對于學(xué)生、教師和管理者來說，都提供了相當(dāng)大的便利。對于管理者來說，學(xué)生評教可以看作是一個(gè)了解教師以及學(xué)生的渠道，通過評教對整體的教學(xué)情況進(jìn)行把握。對于教師來說，起到了一定程度的提醒作用，督促教師履行自己的教師義務(wù)，改正自己的教育教學(xué)措施，更有效地進(jìn)行教育教學(xué)。對于學(xué)生來說，多了一個(gè)反饋的渠道，并不是如中小學(xué)一樣沒有一個(gè)反饋的對象，被動(dòng)地學(xué)習(xí)，這種方法在某種程度上促進(jìn)了學(xué)生的責(zé)任意識，有利于學(xué)生的成長和學(xué)習(xí)。

4.2學(xué)生評教中k-means算法的重要性

教學(xué)過程中學(xué)生的評教是一個(gè)十分復(fù)雜的過程，教師的教學(xué)是難以從某一個(gè)方面進(jìn)行界定的。教師的評教一般包含了教師的教學(xué)內(nèi)容是否讓學(xué)生滿意，教師的教學(xué)風(fēng)格是否讓學(xué)生滿意，足夠幽默風(fēng)趣，教師是否嚴(yán)格履行了自己的教學(xué)任務(wù)，不在教學(xué)過程中接電話，按時(shí)上課，備課是否充分，觀點(diǎn)是否鮮明，能否吸引學(xué)生的興趣等。這些數(shù)據(jù)的整理是需要分類的，而不是單純地進(jìn)行統(tǒng)計(jì)就可以得出來的。對于學(xué)生來說，教師的行為是多樣性的，在很多情況下是難以用是或否進(jìn)行片面的界定，而是需要運(yùn)用聚類的算法進(jìn)行一個(gè)大致的衡定。在具體的評教過程中，數(shù)據(jù)算法要能夠根據(jù)所掌握的數(shù)據(jù)分析一些確實(shí)能影響學(xué)生學(xué)習(xí)、掌握知識的具體因素，如教師在授課過程中是否還應(yīng)該多介紹該學(xué)科最新發(fā)展動(dòng)態(tài)、最新研究成果和啟發(fā)學(xué)生思維、創(chuàng)造良好課堂氣氛等，數(shù)據(jù)的分析要盡可能客觀詳盡，有理有據(jù)，讓數(shù)據(jù)能夠盡可能地反映出每一位教師的教學(xué)形象，看出每位教師的具體特點(diǎn)，對待工作有沒有盡心盡力，是否積極批改作業(yè)和輔導(dǎo)學(xué)生的進(jìn)步等。

4.3學(xué)生評教過程中k-means算法的運(yùn)用

k-means算法運(yùn)用到學(xué)生評教的過程中主要是運(yùn)用其聚類分析的特點(diǎn)，通過確定初始聚類中心將學(xué)生評教的數(shù)據(jù)與初始數(shù)據(jù)進(jìn)行核對，從而分析教師的行為是否能夠讓學(xué)生滿意，通過對k-means算法中值的確定，確定較為精確的學(xué)生綜合評價(jià)結(jié)果，反饋出教師的教學(xué)形象從而幫助教師的教學(xué)進(jìn)步。在具體的學(xué)生評教過程中，k-means算法可以采用上文所提到的那幾種改進(jìn)方法，使得k-means算法更加方便，更能夠?yàn)槿藗兯邮?，也更加客觀、深刻地反映出數(shù)據(jù)本身所蘊(yùn)含的強(qiáng)大的規(guī)律，便于管理者對于教師學(xué)生的管理、教師對于自我教學(xué)能力的提高和學(xué)生自我責(zé)任意識以及主動(dòng)意識的培養(yǎng)和提高。

5結(jié)語

隨著社會的進(jìn)步和發(fā)展，已經(jīng)進(jìn)入電子信息化的時(shí)代。大數(shù)據(jù)的時(shí)代要求人們對數(shù)據(jù)分析以及算法具有一定的基本常識，從某種程度上來說，k-means與人們的生活息息相關(guān)，很多方面都離不開其強(qiáng)大的算法支持。而在另外一個(gè)方面，數(shù)據(jù)挖掘算法是一個(gè)比較廣泛的概念，其所涉及的方面有很多，k-means算法只是其中較為典型的一種。文章主要根據(jù)k-means算法的概念、優(yōu)點(diǎn)以及需要改進(jìn)的地方談起，介紹了k-means算法需要重點(diǎn)關(guān)注的2個(gè)方面，并結(jié)合高校學(xué)生評教系統(tǒng)進(jìn)行概述，闡述了在學(xué)生評教系統(tǒng)中k-means算法的運(yùn)用及其作用。