k-means聚类算法是聚类分析中使用最为广泛的算法之一，对大型数据集的处理效率较高。k-means算法是以确定的类数 k 和选定的初始聚类中心为前提，使各样本到其分配的聚类中心距离之和最小的最佳聚类。在实际中，k 值是难以确定的，目前已经提出了一些检验聚类有效性的函数指标，用于评价同一聚类算法在不同聚类数条件下聚类结果的优良程度，从而可以确定数据集的最佳聚类数。 指标主要有 Calinski-Harabasz( CH）指标、Davies-Bouldin ( DB ）指 标、Krzanowski-Lai ( KL ) 指 标、 Weighted inter-intra( Wint）指标、In-Group Proportion（ IGP）指标等。
CH指标通过类内平方和描述紧密度，类间平方和描述分离度，CH越大代表着类自身越紧密，类与类之间越分散，即更优的聚类结果。基于K-means算法的最佳聚类数的一般确定过程：给定K 的范围[Kmin,Kmax]，对数据集使用不同的K运行K-means算法，得到一系列聚类结果，对每个结果计算其CH指标的值，最后比较各个指标值，最佳指标值对应的聚类数就是最佳聚类数k_best。
在我的论文中的应用：对于每一个数值属性，通过k-means算法和CH指标，找到最佳聚类，从而将数值属性的所有样本值转化为k_best个值，从而可以当成类别属性来统一处理（基于信息熵加权的相似性度量方法）。这样做的优点：对数据集中的每个数值属性，根据CH指标找到最佳变换，自动将高维输入数据转换为分类值；适用于所有数据类型；提高了聚类精度。
与会人员：
教师：李廉、安宁、杨矫云、吴玺、阙夏、沈娟、徐梅
学生：丁会通、段优、韩朋、金柳颀、景波、江思源、刘杰、明鉷、唐晨、滕越、肖永博、殷越、及本科生
请假人员：陈绪、严金戈、景波、王雨婷
