-
题名面向高维数据的PCA-Hubness聚类方法
被引量:1
- 1
-
-
作者
葛亮
郎江涛
唐黄
唐允恒
-
机构
重庆大学计算机学院
-
出处
《现代计算机(中旬刊)》
2017年第4期52-55,59,共5页
-
文摘
hub聚类算法可以解决传统聚类算法无法处理高维数据的问题。然而,由于它未考虑数据中的冗余和噪声特征,从而降低聚类性能。因此,提出PCA-Hubness聚类方法用于提高高维数据的聚类性能。PCA-Hubness聚类方法利用逆近邻数的偏度和本征维度的相互关系,以偏度的变化率为降维依据,保证在对高维数据降维时不会损失过多的有价值信息,有利于提高聚类效果。此算法在UCI数据集上进行实验,相比hub聚类算法,轮廓系数平均提高15%。
-
关键词
hub聚类
高维数据
偏度
本征维度
PCA
-
Keywords
Skewness
Intrinsic Dimension
PCA
hub Clustering
High-Dimensional Data
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-