基于信息理论的合作聚类算法研究

被引：7

作者：

沈红斌

杨杰

王士同

董一飞

机构：

[1] 上海交通大学图像处理与模式识别研究所

[2] 江南大学信息工程学院

[3] 新南威尔斯大学计算机科学和工程学院

来源：

计算机学报 | 2005年 / 08期

关键词：

信息论; 聚类; 模糊; 模式识别;

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：

传统的聚类算法是针对一个独立数据集的学习分类算法,如FCM(Fuzzy-C-Means)聚类算法.在现实生活中,一个数据集独立于其它数据集,而往往通过与别的数据集交换信息与之相互合作.因此在聚类过程中,需要考虑来自其它数据集的影响,从而得到更能反映现实的数据结构.该文提出了一种基于信息理论的信息增益方法来建模并定量分析多个数据集间的合作关系.在此基础上,导出了相应的新合作聚类算法CCA(CooperativeCluste-ringAlgorithm).理论分析表明该算法最终收敛.实验结果也进一步表明了该合作聚类算法的可行性与有效性.

引用

页码：1287 / 1294

页数：8