适用于区间数据的基于相互距离的相似性传播聚类
符号聚类是对传统聚类的重要扩展,而区间数据是一类常见的符号数据.传统聚类中使用的对称性度量不一定适用于度量区间数据,且算法初始化也一直是干扰聚类的严重问题.因此,提出了一种适用于区间数据的度量--相互距离,并在此度量的基础上采用了一种全新的聚类方法--相似性传播聚类,解决了初始化干扰问题,从而得出了适用于区间数据的基于相互距离的相似性传播聚类.通过理论阐述和实验比较,说明了该算法比基于欧氏聚类的K-均值算法要好.
符号聚类、区间数据、相互距离、相似性传播、K-均值
28
TP301(计算技术、计算机技术)
国家863计划项目2007AA1Z158,2006AA10Z313;国家自然科学基金资助项目60773206/F020106,60704047/F030304;2004年教育部跨世纪优秀人才支持计划基金项目NCET-04-0496;2005年教育部科学研究重点基金项目105087;中国科学院自动化所模式识别国家重点实验室开放课题
2008-07-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
1441-1443,1493