一种基于同步动力学模型的层次聚类方法

被引：28

作者：

黄健斌 ^{[1
]}

康剑梅 ^{[1
]}

齐俊杰 ^{[1
]}

孙鹤立 ^{[2
]}

机构：

[1] 西安电子科技大学软件学院

[2] 西安交通大学计算机科学与技术系

来源：

中国科学:信息科学 | 2013年 / 43卷 / 05期

基金：

中国博士后科学基金;

关键词：

层次聚类; 同步动力学模型; 邻域闭包; 离群点检测; 无参数; 轮廓宽度标准;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

本文基于建模同步动力学行为的Kuramoto模型提出了一种新的有效层次聚类方法.本文提出的方法基于局部邻域的概念,能够实现稳定的局部同步聚类.通过不断扩大对象同步的邻域半径,所提出的方法能够实现层次化的同步聚类.此外,提出对象邻域闭包的概念,在对象间到达完全同步之前就能预测出聚类的形成,从而减少对象动态交互的时间.本文的方法不依赖于任何数据分布假设,无需任何手工参数设置,可以检测出任意数量、形状和大小的聚类.由于同步过程能够有效地规避离群点,该方法有较强的噪声数据抑制能力.在大量真实数据集和人工合成数据集上的实验结果表明本文的方法聚类准确率高,且运行时间较同类基准算法显著缩短.

引用

页码：599 / 610

页数：12