10.3969/j.issn.1001-0548.2018.02.014
自适应属性加权近邻传播聚类算法
针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法.该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度.随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量.数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量.
自适应聚类、近邻传播、聚类评价、属性加权、相似性度量
47
TN97
国家自然科学基金71771094,61300139;福建省社会科学规划项目FJ2017B065;福建省高等学校新世纪优秀人才支持计划Z1625112;福建省自然科学基金2015J01581
2018-04-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
247-255