基于贝叶斯和谐度的层次聚类

被引：10

作者：

文顺

赵杰煜

朱绍军

机构：

[1] 宁波大学信息科学与工程学院

来源：

模式识别与人工智能 | 2013年 / 26卷 / 12期

基金：

浙江省自然科学基金;

关键词：

层次聚类; 贝叶斯和谐度; 贝叶斯阴阳和谐学习;

D O I：

10.16451/j.cnki.issn1003-6059.2013.12.012

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

层次聚类是一种重要的数据分析技术.传统的层次聚类方法大都采用欧式距离度量类之间相似度,不能有效处理类之间重合和类密度变化大的情况.文中提出一种基于贝叶斯和谐度的层次聚类方法,采用和谐度增幅代替传统层次聚类方法采用的欧式距离.贝叶斯和谐度取自于贝叶斯阴阳和谐学习理论,能衡量整个数据的分布情况和指导选择合适的类别数.文中方法根据和谐度的变化来度量类之间的相似度,能克服传统层次聚类的缺点;同时更易选择阈值终止层次聚类的合并,从而产生合适的类别数.最后通过两个实验验证文中方法的有效性.

引用

页码：1161 / 1168

页数：8

共 6 条

[1]

On essential topics of BYY harmony learning: Current status; challenging issues; and gene analysis applications.[J].Lei Xu.Frontiers of Electrical and Electronic Engineering.2012, 1

[2]

Bayesian Ying-Yang system; best harmony learning; and five action circling.[J].Lei Xu.Frontiers of Electrical and Electronic Engineering in China.2010, 3

[3]

Data clustering: 50 years beyond K-means.[J].Anil K. Jain.Pattern Recognition Letters.2009, 8

[4]

Rock: A robust clustering algorithm for categorical attributes [J].

Guha, S ;

Rastogi, R ;

Shim, K .

INFORMATION SYSTEMS, 2000, 25 (05) :345-366

[5]

Bayesian Ying–Yang machine; clustering and number of clusters 1 This work was supported by the HK RGC Earmarked Grants CUHK250/94E; CUHK484/95E; and Ho Sin-Hang Education Endowment Fund HSH 95/02. 1.[J].Lei Xu.Pattern Recognition Letters.1997, 11

[6]

Comparing partitions.[J].Lawrence Hubert;Phipps Arabie.Journal of Classification.1985, 1

← 1 →