２２７０ ２０１０。３１（１０） ・人工智能。 计算机工程与设计ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎ 基于簇问相似度判定的自适应Ｋ均值算法 陈 杰， 朱 娟 （华南理工大学计算机科学与工程学院，广东广州５１０００６） 摘要：针对传统Ｋ．均值聚类算法需要事先确定聚类数，以及对初始质心的选择具有敏感性，从而容易陷入局部极值点的 缺陷，定义了簇间相似度度量对传统Ｋ．均值聚类进行改进。新算法可以在事先不确定Ｋ值的情况下，根据欧氏距离选取初 始质心并按照Ｋ均值算法聚类，然后过滤噪声样本并确定簇半径，计算簇间相似度并合并相似簇确定数据集的类别数并得 到较优的聚类结果。通过在ＵＣＩ数据集的实验结果表明，新算法能准确确定类别数并有高于传统Ｋ均值算法聚类精度。 关键词：半聚类；Ｋ均值算法；基本簇；簇间相似度；簇合并 中图法分类号：ＴＰ１８ 文献标识码：Ａ 文章编号：１０００—７０２４（２０１０）１０－２２７０．０３ Ｓｅｌｆ－ａｄａｐｔｉｖｅ Ｋ—ｍｅａｎｓ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｓｉｍｉｌａｒｉｔｙ ｂｅｔｗｅｅｎ ｃｌｕｓｔｅｒｓ ＣＨＥＮ Ｊｉｅ．ＺＨＵＪｕａｎ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕｔｈ Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ ５ １ ０００６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ Ｋ．ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｈａｓ ｔｗｏ ｄｒａｗｂａｃｋｓ．Ｏｎｅ ｉｓ ｔｈａｔ ｔｈｅ ｎｕｍｂｅｒ ｏｆｃｌｕｓｔｅｒｓ ｍｕｓｔ ｂｅ ｋｎｏｗｎ ｉｎ ａｄｖａｎｃｅ ａｎｄ ｔｈｅ ｏｔｈｅｒ ｉｓ ｔｈａｔ ｔｈｅ ｃｌｕｓｔｅｒｉｎｇ ｒｅｓｕｌｔ ｉｓ ｓｅｎｓｉｔｉｖｅ ｔｏ ｔｈｅ ｓｅｌｅｃｔｉｏｎ ｏｆ ｉｎｉｔｉａｌ ｃｌｕｓｔｅｒ ｃｅｎｔｒｏｉｄｓ ａｎｄ ｔｈｉｓ ｍａｙ ｍａｋｅ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｃｏｎｖｅｒｇｅ ｔｏ ｔｈｅ ｌｏｃａｌ ｏｐｔｉｍａ．Ａｎ ｉｍｐｒｏｖｅｄ Ｋ－ｍｅａｎｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｄｅｆｉｎｉｔｉｏｎ ｏｆａ ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅ ｂｅｔｗｅｅｎ ｃｌｕｓｔｅｒｓ ｉｓ ｂｒｏｕｇｈｔ ｆｏｒｗａｒｄ．Ａｌｔｈｏｕｇｈ ｔｈｅ ｖａｌｕｅ ｏｆＫ ｉｓ ｕｎｋｎｏｗｎ，ｔｈｅ ｎｅｗ ａｌｇｏｒｉｔｈｍ Ｃａｎ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｎｕｍｂｅｒ ｏｆｃｌａｓｓｅｓ ｎｄ ａｓｕｐｐｌｙ ａ ｐｒｅｔｔｙ ｇｏｏｄ ｃｌｕｓｔｅｒｉｎｇ ｒｅｓｕｌｔ ｔｈｒｏｕｇｈ ｔｈｅ ｆｏｌｌｏｗｉｎｇ ｓｔｅｐｓ：Ｓｅｌｅｃｔ ｔｈｅ ｉｎｉｔｉａｌ ｃｅｎｔｅｒ ｏｆｍａｓｓ，Ｋ—ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ，ｆｉｌｔｅｒｉｎｇ ｎｏｉｓｉｎｇ ｓａｍｐｌｅ ａｎｄ ｃａｌｃｕｌａｔｅ ｔｈｅ ｓｉｍｉｌａｒｉｔｙ ｍａｔｒｉｘ ｂｅｔｗｅｅｎ ｃｌｕｓｔｅｒｓ ｎｄ ａｍｅＮｅ ｔｈｅ ｓｉｍｉｌａｒ ｃｌｕｓｔｅｒｓ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｏｎ ＵＣＩ ｄａｔａ ｓｅｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｎｅｗ ｍｅｔｈｏｄ ｃｏｕｌｄ ａｃｃｕｒａｔｅｌｙ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｎｕｍｂｅｒ ｏｆ ｃｌａｓｓｅｓ ａｎｄ ｇｅｔ ａ ｂｅｔｔｅｒ ｃｌｕｓｔｅｒｉｎｇ ａｃｃｕｒａｃｙ． Ｋｅｙ ｗｏｒｄｓ：ｃｌｕｓｔｅｒｉｎｇ；Ｋ—ｍｅａｎｓ；ｂａｓｉｃ ｃｌｕｓｔｅｒ；ｓｉｍｉｌａｒｉｔｙ ｂｅｔｗｅｅｎ ｃｌｕｓｔｅｒｓ；ｃｌｕｓｔｅｒ ｍｅＮｅｒ ０引 言 Ｋ均值算法属于聚类技术中一种基本的划分方法。其基 本思想是选取Ｋ个数据对象作为初始聚类中心，通过迭代把 数据对象划分到不同的簇中，使簇内部对象之间的相似度很 大，而簇之间对象的相似度很小。Ｋ均值算法由于实现简单 多于数据集实际类别的较小的基本簇；在第二阶段，根据任意 两个簇在空间上的重叠程度定义簇间相似度，将相似度较高 的簇合并，最终得到与实际类别相吻合的聚类结果。通过在 ＵＣＩ数据集上多次实验，对结果进行统计，新的算法通过与传 统Ｋ均值算法对比，类别数基本一致，并且聚类较为稳定。 收敛快速，出现以来，已经提出了许多改进算法或新算法。文 献【ｌ】提出了一种关于Ｋ均值的局部搜索近似算法；文献［２】针 对初始中心敏感提出了一种选取初始聚类中心的算法；文献 ［３］对Ｋ均值算法的４种初始化方法：ｒｎｄｏｍ、ａＦｏｒｇｙ、ＭａｃＱｕｅｅｎ 和Ｋａｕｆｍａｎ进行了有效性和健壮性方面的比较。 １传统Ｋ均值算法描述 Ｋ均值聚类算法是根据欧氏距离把空间中数中Ｎ个样本 划分成Ｋ个簇，Ｋ为希望得到的类数，需预先指定。设数据集 Ｘ＝｛ｘ，Ｉｘ。∈Ｒ，ｉ＝１，２，３，…，ｎ｝为在聚类空间中的点。聚类目标 是得到式（１）最小值，其中，Ｋ为指定的簇个数，ｄｉｍ是空间维 度，ｎｋ表示第ｋ个簇中包含的样本数，其含义是每个样本到其 所在簇质心的欧氏距离之和。 Ｋ ｍ ｄｋｒａ 但是传统Ｋ．Ｍｅａｎｓ算法及其大部分改进算法都具有在聚 类划分之前要先确定聚类数目Ｋ，并且易陷入局部极值的缺 点。正是因为此原因，关于Ｋ．Ｍｅａｎｓ的研究，主要是对于某一 数据集，如何得到最佳的聚类划分数目，以及最佳的初始质心 集。本文提出了一种不需要事先确定Ｋ值并且能够得到稳定 ，＝∑∑∑（ 一 ） ＾＝１“ Ｉ Ｊ＝１ （１） 算法１ Ｋ均值算法 输入：数据集Ｘ＝｛ｘｌＩｘ，∈Ｒ，ｉ＝１，２，３，…，ｎ｝、聚类数目Ｋ。 输出：满足目标Ｊ函数最小的Ｋ个类。 高准确率的新算法。算法分为形成基本簇和合并相似度簇两 个阶段。在第一阶段，根据数据集的紧致程度，将数据划分成 收稿日期：２００９．０６．２６；修订日期：２００９．０８—２８。 作者简介：陈杰（１９８６一），男，湖南娄底人，硕士研究生，研究方向为软件开发环境和系统集成、图像处理； 朱娟（１９５７一），女，上海人，副 教授，硕士生导师，研究方向为软件开发环境和系统集成、图像处理。Ｅ—ｍａｉｌ：ｓｔｅｐｈｅｎｋｕ＠ｙｅａｈ．ｎｅｔ 陈杰，朱娟：基于簇间相似度判定的自适应Ｋ均值算法 步骤： ２０１０，３１（１０） ２２７１ 据集真实的类别数，需通过合并相似度高的簇逐步趋近于数 据集实际分类。 由于不同簇包含的样本数量不同，在空间中所铺展的范 围不同，用两个簇的质心距离或者最接近的样本的距离来度 量两个簇的相似度都是不准确的。本文中采用两个簇的范围 包含对方数据的百分比表征相似度。簇的范围其实就是在欧 氏空间中的半径，这是因为Ｋ均值的聚类结果通常在空间中 呈现为球状，即在各个维度上，距离质心的最大值非常接近。 （１）从数据集中随机选择Ｋ个样本，分别作为Ｋ个簇的质心。 （２）计算每个样本与Ｋ个簇的质心的欧氏距离，将其划分 到距离质心最近的簇中。 （３）针对每一个簇，计算其所有对象在各个维度上的平均 值，作为该类的新的质心。 （４）重新计算 若 没有变化则算法介绍否则返回（２）循环。 Ｋ均值算法简单而且快速，具有比较直观的几何意义，但 是该算法是一种局部搜索的聚类算法，算法的结果取决于该 过程的起始状态，也就是初始类中心点的选择，而且算法只能 如图１所示，三角形和圆形分别表示不同不同簇中的样本。 保证收敛到不动点，不保证收敛到目标函数的极小值点，并且 必须事先确定Ｋ值，在应用于实际问题时具有一定的局限性。 ２根据欧氏距离形成基本簇 在实际问题中，我们常常事先不能确定需要聚类的数据 集合实际包含的簇的个数。然而，聚类的根本目标是把属性 上相似度数据划分到一个簇中，这体现在欧氏空间中就是同 一个簇中位置尽量相近而不同簇中尽量远离的原则。簇的数 目Ｋ虽然事先不能确定，但可以保守的把足够近的数据归并 到一起，形成较多的基本簇，同时要确保形成的基本簇多于数 据集实际包含的簇的数目，然后根据簇间相似度度量合并相 似度较高的簇，使得最终的聚类结果与实际的类别一致。在 形成基本簇的过程中，采用改进Ｋ均值算法，使其根据数据集 在空间中的分布情况自适应的划分簇。算法具体描述如下： 算法２形成基本簇 输入：数据集Ｘ＝｛ｘ Ｉｘ ∈Ｒ，ｉ：１，２，３，…，ｎ）和度量两个数 据不同类系数 。 输出：输出．ｉ｝个初始簇Ｃ。，ｃ２，…，Ｇ。 步骤： （１）随机选择一个选择一个样本Ｘｔ，作为第一个簇的质心Ｃｌ； （２）对于所有样本ｘＩ（ｉ＝１，２，…，ｎ），找到距离）【ｉ最近的质心ｃｊ： １）若Ｘｉ到质心ｃｊ距离小于距离阈值ｄｍｉｎ，则将其划入簇ｃｊ， 并计算簇中所有样本在各个维度上的平均值作为新质心的值； ２）若Ｘ 到质心Ｃｊ距离大于距离阈ｄｍｉｎ，则把）【ｉ作为一个 新的质心添加到质心集中；其中ｄｍｉｎ按照式（２）计算。 ｄｉｍ Ｈ ＋∑∑∑ 一 ） 业ｎ＊（ｎ －厂一ｌ１ （… ２） 式中： ——可调系数，ｄｉｍ——数据集维度，ｎ——数据集样本 数量，式（２）含义为所有样本之间距离的平均值与系数的乘积。 （３）对于（２）中产生的Ｋ个簇的质心ｃｌＩ ｃ２，…，Ｃｋ，按照Ｋ均 值算法（算法（１））聚类得Ｋ个簇。 上述算法中， 是非常重要的参数。对于较大的 ，算法度 较快快但是产生的簇较少，可能不能发现数据集中所有的类； 对于较小的 ，算法速度慢但是能够聚类的粒度较小，能够发 现所有的类，通过合并相似度较高的簇后确定数据集中真实 的类别数的准确率较高。实际应用中，可以根据问题规模以 及领域知识对 赋值。 ３根据簇相似度进行簇合并 通过控制系数 ，算法２产生的初始簇的数量通常多于数 图１二维空间上簇相似度 然而，在海量数据集中很可能存在一些离群点，如图１中 点Ａ，用离群点表征簇半径显然是不准确的，因此计算簇半径 之前必须过滤掉离群点。离群点的定义要结合所在簇Ｃｊ紧致 程度，如下定义： 定义１离群点 对于簇ｃｊ中任意一个点Ｘ。（Ｘｉ∈ｃｊ），距离质心ｃｊ距离大于 式（３）的定义为离群点。 ａ＋∑∑ 一 ） 生——一 （３） 码 式中：Ｉｌｊ——簇Ｃｉ中包含的样本个数，ｄｉｍ——空间维度通常取 值为１０。 定义２簇半径 对于一个簇Ｃｉ，距离质心最远的非离群点为簇Ｃｔ的边缘 点，边缘点到质心的距离定义为簇Ｃ 半径Ｒ。 定义３簇相似度 对于簇Ｃ 与Ｃｊ，定义其相似度为式（４）。 ｉｍ－丝 （４） ｎｉ．－ｔ－ｎｊ 式中：ｎ。， ——簇Ｃ ｃｊ中样本个数；“ ＿＿℃，中样本距离Ｃｊ质心 小于Ｃｊ半径的个数，ｎｊ。代表ｃｉ中样本距离Ｃ。质心小于Ｃ。半径 的个数，即相似度是两个簇中相交数据占所有数据百分比。 ４白适应Ｋ均值算法描述 根据上述分析，提出自适应Ｋ均值算法——ｓＡＫ－ｍｅａｎｓ。 算法３ ＳＡＫ－ｍｅａｎｓ 输入：数据集Ｘ＝｛ｘ Ｉｘ。∈Ｒ，ｉ＝１，２，３，…，ｎ）， ，ａ（分别为式 （２）（３）中系数）， 相似度闽值，０＜ １）。 输出：聚类结果。 步骤： （１）按照算法（１）计算得出Ｋ个基本簇； （２）计算每个簇的半径 ，按照式（４）计算簇的相似度矩阵 Ｓ，Ｓ 表示簇Ｃ Ｃｊ的相似度； ２２７２ ２０１０。３ １（１０） 计算机工程与设计Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｄｅｓｉｇｎ （３）若簇Ｓ 的值大于阈值ｓ，则合并簇Ｃ。与Ｇ； （４）重新计算合并后的簇质心以及簇半径，并相应修改簇 的相似度矩阵； ＜ －－窖；５。： ２５０ ２００ （５）若相似度矩阵中所有值都小于ｓ，算法结束，否则转（３）。 藿高 龄 ５０ ０ ５实验结果及分析 ５．１实验数据及实验环境 实验采用多个ＵＣＩ数据集进行了验证。本研究的所有实 验在采用Ｉｎｔｅｌ奔腾Ｄ２．８Ｇ ＣＰＵ、内存为２Ｇ的计算机上进行， 取值 图２不同九值下在Ｂａｌａｎｃｅｓｃａｌｅ数据集上形成初始簇的个数 算法用Ｃ＋＋编程实现，采用实验数据集信息如表１所示。 表１实验所采用得数据集合信息 数据集 Ｗｌｎｅ ｍＳ Ｓｐｅｃｔｆｈｅａｒｔ Ｂａｌａｎｃｅｓｃａｌｅ ｈｏｕｓｉｎｇ ｉｏｎｏｓｐｈｅｒｅ Ｐｉｍａｉｎｄｉａｎｓ ｗａｖｅｆｏｒｍ 致 类别数 ３ ３ ７３ ５ ３ ２ ２ ３ 样本数 １７８ １５０ ２６７ ６２５ ５０６ ３５１ ７６８ ５０００ 维数 １３ ４ ４５ ４ １３ ３４ ８ ４０ ８ 取值 图３ 不同九值下在Ｂａｌａｎｃｅｓｃａｌｅ数据集上形成初始簇的时间 数较大时，比如Ｓｐｅｃｔｆｈｅａｒｔ，形成的簇个数与实际略有差别，但 是聚类准确与Ｋ—ｍｅａｎｓ相比不会差很多。由于在初始质心选 取阶段，利用算法１通过调整较小的 值可以找到多个空间位 置非常接近的初始簇，再通过合并相似簇可以有效避免陷入 免局部最优，新的算法聚类结果较为稳定，而传统Ｋ均值算法 由于初始质心敏感导致聚类结果不稳定，最差聚类结果远远 低于稳定的ＳＡＫ－ｍｅａｎｓ。 图２和图３分别显示了不同 值在Ｂａｌｎｃｅｓａｃａｌｅ数据集上 ５．２实验方案 采用ＳＡＫ．ｍｅａｎｓ与传统Ｋ－ｍｅａｎｓ算法在相同数据集和上 分别运行聚类算法１Ｏ次，并计算平均聚类准备率和最差的一 次准确率。对于ＳＡＫ．ｍｅａｎｓ，设置多组 值不同的每种算法运 行１Ｏ次，计算形成初始簇的平均数目以及平均时间。 形成初始簇个数和时间，可以看出，对于较大的 ，算法度较快 快但是产生的簇较少，可能不能发现数据集中所有的类；对于 较小的 ，算法速度慢但是能够聚类的粒度较小，能够发现所 有的类，通过合并相似度较高的簇后确定数据集中真实的类 别数的准确率较高。 ５．３实验结果汇总 表２为ＳＡＫ—ｍｅａｎｓ与传统Ｋ—ｍｅａｎｓ算法在多个数据集上 聚类准确率的比较。表中列出了聚类准确率以及在ＳＡＫ－ｍｅａｎｓ 算法在不确定Ｋ值情况下，自适应形成簇的个数与实际类别 的比较，其中形成的簇的平均个数是指，对于每个数据集运行 算法十次，统计每次的形成簇的个数并计算与实际类别数差 值的平均值。其中图２、图３为同一数据集当朋又不同值时，形 成的初始簇的个数和时间。 ６结束语 针对传统Ｋ均值算法必须指定Ｋ具体值的约束，本文提 出了一种通过合并相似簇自适应确定Ｋ值的新算法ＳＡＫ－ ｍｅａｎｓ。新算法通过形成基本簇和合并相似簇两阶段实现。提 出了新的相似度定义，提高了聚类的准确率。然而对于不同 的问题背景如何设置 值，以实现确保聚类准确率基础上算法 效率最高，以及对于类别较多的数据集如何减少算法生成的 簇与实际类别的差值，还需要进一步研究。 ５．４实验结果分析 由表２可以看出，ＳＡＫ—ｍｅａｎｓ算法在多个ＵＣＩ数据集上 聚类所得到的簇的个数，对于类别数目较少的数据集，与实际 完全一致，最大差值均为０，说明结果比较稳定，当数据集类别 表２两种不同算法在相同数据集合的聚类结果比较 数据集 实际类别数 ３ ｌｎＳ ３ 形成的簇的平均 个数偏差 ０ ０ 最大偏差 ０ Ｏ ＳＡＫ－ｍｅａｎｓ算法聚类准确率 平均准确率 ６１．０％ ８８．１％ Ｋ．ｍｅａｎｓ聚类算法准确率 平均准确率 ５９＿３％ ８７．７％ 最差准确率 ５８．２％ ８６．８％ 最差准确率 ５４．５％ ８３．１％ Ｂａｌａｎｃｅｓｃａｌｅ ｈｏｕｓｉｎｇ ｉｏｎｏｓｐｈｅｒｅ ５ ３ ２ ０ ０ Ｏ Ｏ Ｏ ０ ４１．９％ ５０－３％ ７３．４％ ４０．１％ ４７．３％ ７１．７％ ３７．９％ ５０．５％ ６９－３％ ３３．４％ ４５．７％ ６６．８％ Ｐｉｍａｉｎｄｉａｎｓ ｗａｖｅｆｏｒｍ ２ ３ ０ ３ ０ ０ ６７．６％ ４９．８％ ６５．４％ ４６．４％ ６５．８％ ４８．１％ ６１－３％ ４３．４％ Ｓｐｅｃｔｆｈｅａｒｔ ７３ ２＿３ ４ ３１．４％ ２９．６％ ３３．８０％ ２５．４０％ （下转第２３７５页） 郭超：决策树方法在提高电脱盐效果中的应用 以没有进行考虑，以免过度分类。但为了进一步了解破乳剂 浓度对脱盐率的影响，现单独考虑破乳剂浓度，用它的值作为 分类条件进行分类，结果如图４所示。 生产时问 ２０１０，３ １（１０） 表３比较结果 调整前 ２３７５ 调整后 （２００８年） 平均脱除率％ １月Ｉ ２月 ７１．５ ｌ ８４．２１ ３月 ４月 ５月 ６月 ９５．４５ ９５－２６ ９８．７２ ９９．８９ 方法分析了影响电脱盐效果的主要因素和提高电脱盐效果的 方法，可将测量数据中的优类比例明显提高，为改进电脱盐装 ｌ０００２：８０． ＨＩＧＨ： ３３％ｌ ０００１：Ｌ０Ｗ．８０：１ ６７％ ｌ ｌＮｉｎ ｎｏｄｅ： ７２ Ｉ ｌ０００２：８０一 ＨＩＧＨ： ５４％ｌ ０００１：ＬＯＷ－８０：ｌ ４６％ｆ ｌＮｉｎ ｎｏｄｅ：４１ ｌ 置的操作提出了一种可行性方案，最后的结果经过分析与实 践，证明了该种方法的有效性，对生产具有一定的指导作用。 今后，为了进一步保证电脱盐的效果，要充分的利用生产数据 进行深入的实验，更准确的找到各影响因素之间的关系，并明 显的表示出来。 图４基于破乳剂浓度的分类结果 原样本中的优类所占比例为４１％，而脱盐剂浓度、电压 １、加工量和脱盐温度值的改变对脱盐率影响较大，根据以上 的分类结果得到的决策树的分类规则，总结出提高电脱盐效 果的方案如下： 参考文献 【１】 侯侠，王静．影响电脱盐装嚣脱盐效率的因素分析及改进意见 ［Ｊ】．石油化工应用，２００６（４）：３７．４０． （１）将脱盐剂浓度控制在３０ＰＰＭ以下，可使优类比例提高 到５Ｏ％以上： （２）破乳剂浓度应适当增加，比如高于２８ＰＰＭ，可使优类 比例有所提高； （３）增加脱盐温度是有利的，比如控制在１２５．５＂Ｃ以上，可 将优类比例提高到４５％以上； （４）加工量高于８９００ｆｆｄ时，可使优类比例达到４５％。但 是在脱盐剂浓度低于３０ＰＰＭ且电压１低于３００Ｖ的情况下，需 ［２】 吴宴宾，侯志孝，王益民．提高电脱盐效果的措施【Ｊ］＿石油化工腐 蚀与防护，２００６，２３（５）：６０—６１． ［３】 郭丹，王德会．电脱盐操作条件的优化［Ｊ］．炼油技术与工程，２００３ （１ １）：３５—３７． ［４］ 张银奎，廖丽，宋俊，等．数据挖掘原理［Ｍ】．北京：机械工业出版 社，２００３：９３－１０５． ［５］Ｈｕａｎｇ Ｓｕｎ－ｊｅｎ，Ｌｉｎ Ｃｈｉｅｈ・Ｙｉ，Ｃｈｉｕ Ｎａｎ—Ｈｓｉｎｇ．Ｆｕｚｚｙ ｄｅｃｉｓｉｏｎ ｔｒｅｅ ａｐｐｒｏａｃｈ ｆｏｒ ｅｍｂｅｄｄｉｎｇ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｉｎｆｏｒｍａｔｉｏｎ ｉｎｔｏ 要降低加工量到８６００ｔ／ｄ以下，可使优类比例达到６０％； （５）在脱盐剂浓度高于３０ＰＰＭ的情况下，将电压１控制在 不高于３００Ｖ，可使优类比例提高到４５％，反之，将电压１调整 到高于３２０Ｖ，可使优类比例提高到６５％以上。 可见，适当改变５个主要影响因素的值可以使优类样本 比例达到半数以上。 根据以上得到的提高电脱盐效果的方案并考虑工厂生产 ｓｏｆｔｗａｒｅ ｃｏｓｔ ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅ． ｎｅｅ ｎｄ ａＥｎｇｉｎｅｅｒｉｎｇ．２００６（２２）：２９７—３ ｌ３． ［５ 罗印升，５］李人厚，梅时春．复杂工业过程中数据挖掘模型研究［Ｊ］． 信息与控制，２００３，３２（１）：３２．３５． ［６ 吉旭，６］李忠明，朱立嘉．数据挖掘技术在共混材料制备的工艺研 中的实际操作情况，将此方案应用到后期的生产过程中，指导 生产操作并与前期的脱盐率相比较，以证明此方案的有效性。 根据分类规则调整工艺参数后，发现后期的脱盐率较之 从前有所上升，比较结果如表３所示。 究中的应用［Ｊ］．高分子材料与工程，２００４，２０（３）：２９．３２． ［７】 朱群雄，麻德贤．过程工业中数据挖掘技术的应用［Ｊ］．计算机与 应用化学，２００４，２１（１）：１０７．１１Ｏ． ［８】 姚家奕，姜海，王秦．决策树算法的系统实现和修建优化［Ｊ］．计算 机工程与设计，２００２，２３（８）：７５．７７． ［９】 陶灵姣，孙继银，李智，等．远程教育考试成绩分析决策树的构造 方法［Ｊ】．计算机工程与设计，２００６，２７（６）：９７６．９７８． ３结束语 根据电脱盐装置测量数据，利用数据挖掘技术的决策树 （上接第２２７２页） 参考文献： 【１】ＫａｎｕｎｇｏＴ，ＭｏｕｎｔＤＭ．Ａｌｏｃａｌ ｓｅａｒｃｈ ａｐｐ ｒｏｘｉｍａｆｉｏｎＭｇｏｆｉｔｈｍｆｏｒ ［４］ Ｊｉａｗｅｉ Ｈａｎ，Ｍｉｃｈｅｌｎｉｅ Ｋａｍｂｅｒ．数据挖掘概念与技术［Ｍ］．范明， 孟小峰，译．北京：机械工业出版社，２００７． ［５］ 严宇平，肖菁．基于可变染色体长度的遗传Ｋ均值算法［Ｊ］．计算 机工程与设计，２００８，２９（１４）：６５．６７． ［６】 周涓，熊忠阳，张玉芳，等．基于最大最小距离法的多中心聚类算 法［Ｊ］．计算机应用，２００６，２６（６）：２６—２９． ｋ－ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ［Ｊ］．Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｇｅｏｍｅｌｒｙ，２００４，２８（２／３）：８９－１ １２． 【２］ Ｂｒａｄｌｅｙ Ｐ Ｓ，Ｆａｙｙａｄ Ｕ Ｍ．Ｒｅｆｍｉｎｇ ｉｎｉｔｉａｌ ｐｏｉｎｔｓ ｆｏｒ ｋ－ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ １５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ，２００６：９１—９９． ［７】 姜园，张朝阳．用于数据挖掘的聚类算法［Ｊ］＿电子与信息学报， ２００５，２１：３９－４２． 【３】Ｐｅｓａ Ｊ Ｍ，Ｌｏｚａｎｏ Ｊ Ａ，Ｌａｒｒａｓａｇａ ＥＡｎ ｅｍｐｉｒｉｃａｌ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｏｆｕｒ ｉｎｉｔｉａｌｉｚａｔｉｏｎ ｍｅｈｏｄｓｔ ｏｒｆ ｈｅｔ ｋ－ｍｅａｎｓ ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ Ｌｅａｅｒｓ，２００６，２０（１０）：１０２７—１０４０． ［８】 徐义峰，陈春明，徐云青．一种改进的ｋ均值聚类算法［Ｊ］．计算机 应用与软件，２００８，２５（３）：７６．７９．
