基于概率无向图模型的近邻传播聚类算法
针对近邻传播聚类算法偏向参数难选定、生成的簇数目偏多等问题,提出一种概率无向图模型的近邻传播聚类算法.首先为样本数据构建概率无向图模型,利用极大团和势函数计算无向图中数据样本的概率密度,将此概率密度作为一种聚类先验知识注入近邻传播算法的偏向参数中,提高算法的聚类效率;并用高斯降噪和簇归并方法进一步提升算法的聚类精度.在UCI数据集上的实验结果表明,所提出算法的聚类效率和精度均优于相比较的同类算法.
近邻传播聚类算法、偏向参数、概率无向图模型、高斯平滑、簇归并
32
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61363027;教育部人文社会科学研究规划基金项目11YJAZH080
2017-10-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
1796-1802