方向相似性聚类方法DSCM

被引：20

作者：

修宇 ^{[1
]}

王士同 ^{[1
]}

吴锡生 ^{[1
]}

胡德文 ^{[2
]}

机构：

[1] 江南大学信息工程学院

[2] 国防科学技术大学机电与自动化学院

来源：

计算机研究与发展 | 2006年 / 08期

关键词：

方向相似性; 鲁棒聚类算法; 聚类有效性;

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：

针对方向性数据提出了一种鲁棒的基于方向相似性度量的聚类方法DSCM·DSCM首先基于方向性度量构造目标函数,然后通过不动点迭代法对目标函数优化,获得各个样本的最终稳定状态,最后基于样本的最终状态集利用层次聚类技术实现聚类·DSCM的优势在于对方向性数据聚类时不依赖于具体的初始化参数,且能自组织地求解最优聚类划分因而有很好的鲁棒性·通过实验证实了DSCM的有效性以及对已有的两个传统方向性聚类算法的优越性·

引用

页码：1425 / 1431

页数：7