-
题名加权的自适应相似度度量
被引量:4
- 1
-
-
作者
肖宇
于剑
-
机构
北京交通大学计算机与信息技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2013年第9期1876-1882,共7页
-
基金
国家"九七三"重点基础研究发展计划基金项目(2007CB311002)
国家自然科学基金重点项目(61033013)
+1 种基金
国家自然科学基金重大项目(90820013)
国家自然科学基金项目(60905029)
-
文摘
聚类分析是数据挖掘中一种非常重要的技术.聚类算法中的关键问题是相异度或相似度的度量,聚类结果直接依赖于相异度或相似度度量,尤其对于谱聚类方法更是如此.谱聚类算法是近期兴起的一种基于相似度矩阵的聚类算法.相比于传统的划分型聚类算法,谱聚类算法不受限于球状聚类簇,能够发现不规则形状的聚类簇.在已有的谱聚类算法中,高斯核相似度是最常用的相似度度量准则.基于高斯核相似度度量及其扩展形式,提出了一种加权的自适应的相似度度量,此相似度可以用于谱聚类以及其他基于相似度矩阵的聚类算法.新的相似度度量不仅能够描述多密度聚类簇中数据点间的相似度,而且可以降低离群点(噪声点)与其他数据点间的相似度.实验结果显示新的相似度度量可以更好地描述不同类型的数据集中数据点间的相似度,进而得到更好的聚类结果.
-
关键词
聚类分析
相似度度量
谱聚类
多密度聚类簇
离群点
-
Keywords
cluster analysis~ similarity measure~ spectral clustering~ multi-densities clusters~ outliers
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于灰关联分析的加权自适应谱聚类算法
- 2
-
-
作者
李莉琼
刘漳辉
郭昆
-
机构
福州大学数学与计算机科学学院
-
出处
《广西大学学报(自然科学版)》
CAS
北大核心
2014年第5期1066-1073,共8页
-
基金
国家自然科学基金资助项目(61103175
61300104)
+4 种基金
教育部科学技术研究重点资助项目(212086)
福建省科技创新平台建设资助项目(2009J1007)
福建省自然科学基金资助项目(2013J01230)
福建省高校杰出青年科学基金资助项目(JA12016)
福建省高等学校新世纪优秀人才支持计划资助项目(JA13021)
-
文摘
为了降低谱聚类采用高斯函数作为相似性度量方式对参数的敏感性,以及能够发现多密度簇的同时降低噪声点的干扰,提出了一种将基于均衡接近度的灰关联分析结合到谱聚类中的新方法,采用加权的自适应相似性度量方式。最后用改进的FCM算法对其进行聚类。在真实数据集和人工数据集上分别对提出的算法和现有算法进行了比较分析。研究结果表明,提出的新算法能够消除参数的影响,具有更高的聚类精度。聚类精度采用F测度指标。
-
关键词
谱聚类
灰关联分析
噪声点
多密度簇
均衡接近度
-
Keywords
spectral clustering
grey relational analysis
outliers
multidimensional clusters
balanced closeness degree
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-