一种基于ReliefF特征加权的R-NIC算法

摘要：

非参数信息理论聚类( NIC)算法通过计算数据点与簇间的互信息来实现聚类，利用无参估计法计算集群平均熵，从而降低人为参与的成本，但该算法假定待分析样本的所有特征对分类具有相同的贡献，与目前已有的研究结果相悖。为此，提出一种特征加权的R-NIC算法，该算法考虑各维特征对模式分类的不同影响，使用ReliefF对特征进行加权变换，抑制冗余特征，加强有效特征，利用NIC算法在变换后的特征空间中进行聚类以提高聚类效果。在UCI数据集上的实验结果表明，该算法具有较高的聚类性能，聚类效果优于NIC算法。

关键词：非监督、聚类、互信息、非参数信息理论聚类算法、准确率、特征加权

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目“多变量IB方法及算法的研究”61170223;国家自然科学基金联合基金资助项目“可扩展迁移学习中跨媒体复杂问题自动映射研究”U1204610。

在线出版日期：2015-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：161-165