基于k最近邻网络的数据聚类算法

被引：20

作者：

金弟 ^{[1
,2
]}

刘杰 ^{[1
,2
,3
]}

贾正雪 ^{[4
]}

刘大有 ^{[1
,2
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 吉林大学符号计算与知识工程教育部重点实验室

[3] 复旦大学智能信息处理上海市重点实验室

[4] 一汽大众汽车有限公司

来源：

模式识别与人工智能 | 2010年 / 23卷 / 04期

关键词：

数据挖掘; 数据聚类; k最近邻网络; 复杂网络聚类;

D O I：

10.16451/j.cnki.issn1003-6059.2010.04.012

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

聚类研究在数据挖掘研究领域中占有十分重要的地位.虽然目前已有很多数据聚类算法,但精度仍不够理想.文中提出一个基于结构化相似度的网络聚类算法(SSNCA),试图从网络聚类角度进一步提高数据聚类精度.具体解决方案是,将待聚类的向量数据集转化为k最近邻网络,并用SSNCA对该网络进行聚类.将SSNCA与c-Means、仿射传播进行比较,实验表明文中算法得到的目标函数稍差,但聚类精度要明显高于这两个算法.

引用

页码：546 / 551

页数：6

共 5 条

[1] 聚类算法研究 [J].

孙吉贵 ;

刘杰 ;

赵连宇 .

软件学报, 2008, (01) :48-61

[2] A tutorial on spectral clustering [J].

von Luxburg, Ulrike .

STATISTICS AND COMPUTING, 2007, 17 (04) :395-416

[3] k-nearest-neighbor clustering and percolation theory [J].

Teng, Shang-Hua ;

Yao, Frances F. .

ALGORITHMICA, 2007, 49 (03) :192-211

[4]

BIRCH: A New Data Clustering Algorithm and Its Applications[J] . Tian Zhang,Raghu Ramakrishnan,Miron Livny.Data Min. Knowl. Discov. . 1997 (2)

[5]

SCAN: a structural clustering algorithmfor networks .2 Xu X W,Yuruk N,Feng Z D,Schweiger T A J. Proceedings of the 13th ACM SIGKDD International Conferenceon Knowledge Discovery and Data Mining . 2007

← 1 →