一种聚类学习的新方法

• 作者: 朱明 王俊普
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 聚类学习 无监督学习 机器学习 数据挖掘
• 年，卷（期）: 2000,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 262-265
• 页数: 4页
• 分类号: TP391.4
• 字数: 3778字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2000.03.005

摘要

基于人进行聚类判断所遵循的基本原则,即聚类中对象间距离应小于聚类间距离,本文提出了一种聚类学习的新方法.该方法无需用户事先给定聚类个数K,且其算法复杂度基本为O(nm).此外,该聚类学习新方法,在处理大规模(几十万至几百万个)数据对象时,也具有良好的工作效能.有关实验测试结果,充分说明了该聚类学习新方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱明	中国科学技术大学自动化系	228	2519	25.0	40.0
2	王俊普	中国科学技术大学自动化系	19	478	10.0	19.0