基于傅里叶变换和连通图的聚类分析方法

摘要：

聚类是假设数据在具有某种群聚结构的前提下根据观察到的无标记的样本发现数据的最优划分.针对已有的聚类算法存在的缺点,假设数据样本的结果簇是密集的,且簇与簇之间区别明显,基于该假设提出一种基于傅里叶变换和连通图的聚类分析方法FGClus.首先针对每个样本点计算k阶距离矩阵并序列化作为离散傅里叶变换的输入信号；然后抽取频域内幅值最小的复数项并构造输入序列进行傅里叶逆变换,得到在时域空间中的最佳阈值；最后利用该阈值结合连通图指导最终的聚类过程.实验表明,FGClus算法克服了K-means算法聚类前需确定聚类个数、聚类结果对初始代表点的选取敏感、只能聚类球状数据等缺点,取得了良好的聚类效果.

关键词：聚类分析、离散傅里叶变换、连通图、最短路径K近邻查询、最佳阈值

所属期刊栏目：29

分类号：TP181(自动化基础理论)

资助基金：江苏省基础研究计划资助项目BK2009093;中国矿业大学科技基金资助项目OD080313

在线出版日期：2012-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2837-2840