基于信息理论的合作聚类算法研究

• 作者: 杨杰 沈红斌 王士同 董一飞
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 信息论 聚类 模糊 模式识别
• 年，卷（期）: 2005,（8）
• 所属期刊栏目: 研究论文与技术报告
• 页码范围: 1287-1294
• 页数: 8页
• 分类号: TP18
• 字数: 5760字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2005.08.005

摘要

传统的聚类算法是针对一个独立数据集的学习分类算法,如FCM(Fuzzy-C-Means)聚类算法.在现实生活中,一个数据集独立于其它数据集,而往往通过与别的数据集交换信息与之相互合作.因此在聚类过程中,需要考虑来自其它数据集的影响,从而得到更能反映现实的数据结构.该文提出了一种基于信息理论的信息增益方法来建模并定量分析多个数据集间的合作关系.在此基础上,导出了相应的新合作聚类算法CCA(Cooperative Clustering Algorithm).理论分析表明该算法最终收敛.实验结果也进一步表明了该合作聚类算法的可行性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨杰	上海交通大学图像处理与模式识别研究所	340	5370	35.0	58.0
2	王士同	江南大学信息工程学院	528	3424	23.0	37.0
3	沈红斌	上海交通大学图像处理与模式识别研究所	15	184	7.0	13.0
4	董一飞	新南威尔斯大学计算机科学和工程学院	1	22	1.0	1.0