噪声环境下复杂流形数据的势能层次聚类算法

被引：5

作者：

于晓飞 ^{[1
,2
]}

葛洪伟 ^{[1
,2
]}

机构：

[1] 江南大学轻工过程先进控制教育部重点实验室

[2] 江南大学物联网工程学院

来源：

重庆邮电大学学报(自然科学版) | 2018年 / 06期

关键词：

聚类; PHA; 势能分层; 层次聚类; 噪声识别;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

基于势能的快速凝聚层次聚类算法使用一种全新的相似性度量准则,可以更高效地得到聚类结果。针对该算法无法有效处理含噪声的复杂流形数据的缺陷,提出噪声环境下复杂流形数据的势能层次聚类算法。通过势能递增曲线识别噪声点,在新定义的势能最大、最小2层数据上进行自动聚类,以确定类簇的大体框架,并在此基础上对整个数据集进行层次聚类。人工数据集上的实验表明,新算法可以有效处理噪声环境下复杂流形数据;真实数据集上的实验表明,新算法具有更优的聚类效果。

引用

页码：848 / 854

页数：7

共 10 条

[1]

核密度估计的聚类算法 [J].

朱杰 ;

陈黎飞 .

模式识别与人工智能, 2017, 30 (05) :439-447

[2]

自动确定聚类中心的势能聚类算法 [J].

于晓飞 ;

葛洪伟 .

计算机科学与探索, 2018, 12 (06) :1004-1012

[3]

离散多目标量子微粒群聚类算法 [J].

张勇 ;

王庆 ;

夏长红 ;

孙晓燕 ;

巩敦卫 .

模式识别与人工智能, 2017, 30 (03) :204-213

[4]

聚类有效性评价综述 [J].

杨燕 ;

靳蕃 ;

KAMEL Mohamed .

计算机应用研究, 2008, (06) :1630-1632+1638

[5]

Performance based analysis between k-Means and Fuzzy C-Means clustering algorithms for connection oriented telecommunication data[J] Velmurugan T. Applied Soft Computing Journal 2014,

[6]

Clustering by Sorting Potential Values (CSPV): A novel potential-based clustering method[J] Yonggang Lu;Yi Wan Pattern Recognition 2012,

[7]

PHA: A fast potential-based hierarchical agglomerative clustering method[J] Yonggang Lu;Yi Wan Pattern Recognition 2012,

[8]

Rough -DBSCAN: A fast hybrid density based clustering method for large data sets[J] P. Viswanath;V. Suresh Babu Pattern Recognition Letters 2009,

[9]

A simple and fast algorithm for K-medoids clustering[J] Hae-Sang Park;Chi-Hyuck Jun Expert Systems With Applications 2008,

[10]

A Method for Comparing Two Hierarchical Clusterings[J] Journal of the American Statistical Association 1983,

← 1 →