首页 | 本学科首页   官方微博 | 高级检索  
     

基于局部和全局信息的改进聚类算法
引用本文:许小龙,王士同,梅向东.基于局部和全局信息的改进聚类算法[J].计算机工程,2015(6).
作者姓名:许小龙  王士同  梅向东
作者单位:1. 江南大学数字媒体学院,江苏 无锡,214122
2. 赞奇科技发展有限公司,江苏 常州,213000
基金项目:江苏省自然科学基金资助项目(BK2011417)。
摘    要:传统K-means算法在随机选取初始聚类中心时,容易导致结果不稳定,谱聚类算法直接在相似矩阵上进行分割,对结果的准确性影响较大,而局部和全局正则化聚类算法未考虑数据空间分布对结果的影响。为此,引入离散度矩阵对局部和全局正则化聚类算法进行改进。改进算法考虑数据的分布信息,通过在局部信息目标函数中引入离散度矩阵,结合全局信息的目标函数,将目标函数最小化问题转换为分解稀疏矩阵特征的问题。在UCI机器学习数据集和公共数据挖掘数据集上的实验结果表明,与K-means及标准谱聚类算法相比,该算法的预测精度更高。

关 键 词:K-means算法  谱聚类  离散度矩阵  特征分解  UCI数据集

Improved Clustering Algorithm Based on Local and Global Information
XU Xiaolong,WANG Shitong,MEI Xiangdong.Improved Clustering Algorithm Based on Local and Global Information[J].Computer Engineering,2015(6).
Authors:XU Xiaolong  WANG Shitong  MEI Xiangdong
Abstract:
Keywords:K-means algorithm  spectral clustering  dispersion matrix  characteristic decomposition  UCI data set
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号