一种基于图金字塔的聚类算法

被引:13
作者
吕晓波 [1 ]
马燕 [1 ]
张相芬 [1 ]
李顺宝 [2 ]
张玉萍 [1 ]
机构
[1] 上海师范大学信息与机电工程学院
[2] 上海师范大学数理学院
关键词
聚类; 金字塔; 多分辨率; 最小生成树; 层次聚类;
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
摘要
传统的k-means方法和层次聚类算法,当数据集出现离群点或簇间存在交叠时会产生错误聚类结果。受小波多分辨率分析启发,提出一种基于图金字塔的聚类算法。首先输入数据集的类别数目K,并对数据点构建最小生成树;然后按节点的度数与最短邻边的长度计算优先级;接着,按优先级由高到低遍历最小生成树,进行节点间的合并;最后输出由合并节点构成的聚类结果。在人工合成和真实数据集上的实验结果表明,与k-means方法和层次聚类法相比,该方法的聚类结果不受离群点和簇间有交叠的影响,具有较高的稳定性。
引用
收藏
页码:256 / 260+315 +315
页数:6
相关论文
共 4 条
[1]
基于贝叶斯和谐度的层次聚类 [J].
文顺 ;
赵杰煜 ;
朱绍军 .
模式识别与人工智能, 2013, 26 (12) :1161-1168
[2]
Cluster center initialization algorithm for K-modes clustering [J].
Khan, Shehroz S. ;
Ahmad, Amir .
EXPERT SYSTEMS WITH APPLICATIONS, 2013, 40 (18) :7444-7456
[3]
A comparative study of efficient initialization methods for the k-means clustering algorithm [J].
Celebi, M. Emre ;
Kingravi, Hassan A. ;
Vela, Patricio A. .
EXPERT SYSTEMS WITH APPLICATIONS, 2013, 40 (01) :200-210
[4]
A method for initialising the K-means clustering algorithm using kd-trees [J].
Redmond, Stephen J. ;
Heneghan, Conor .
PATTERN RECOGNITION LETTERS, 2007, 28 (08) :965-973