一种聚类学习的新方法

被引：17

作者：

朱明

王俊普

机构：

[1] 中国科学技术大学自动化系

来源：

模式识别与人工智能 | 2000年 / 13卷 / 03期

基金：

安徽省自然科学基金;

关键词：

聚类学习; 无监督学习; 机器学习; 数据挖掘;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于人进行聚类判断所遵循的基本原则,即聚类中对象间距离应小于聚类间距离,本文提出了一种聚类学习的新方法。该方法无需用户事先给定聚类个数K,且其算法复杂度基本为O(nm)。此外,该聚类学习新方法,在处理大规模(几十万至几百万个)数据对象时,也具有良好的工作效能。有关实验测试结果,充分说明了该聚类学习新方法的有效性。

引用

页码：262 / 265

页数：4