多维空间可调整的近邻传播聚类算法*
针对近邻传播算法不适合处理多重尺度和任意形状数据的问题,提出了一种基于多维空间可变换的MSAAP(multidimensional similarity adaptive affinity propagation)算法.首先,通过熵值法计算数据样本点的属性权重;然后,根据属性权重构造出一种新型计算相似性矩阵的方法;最后,根据属性权重的优先级将样本点的空间划分成若干个空间块,并计算空间块的吸引度和归属度之和,进而调整样本点的空间分布.通过13个不同形状的UCI数据集和3个人脸数据库进行对比实验,从准确率、算法时间、聚类个数3个维度去分析,最终实验结果证明所提出的MSAAP算法聚类效果更优.
近邻传播、多维空间、属性权重、空间分布
13
TP391.4(计算技术、计算机技术)
The National Natural Science Foundation of China under Grant No. 61673193 国家自然科学基金;the Fundamental Research Funds for the Central Universities of China under Grant Nos. JUSRP51635B, JUSRP51510 中央高校基本科研业务费专项资金
2020-01-17(万方平台首次上网日期,不代表论文的发表时间)
共12页
116-127