基于随机游走模型和KL-divergence的聚类算法

• 作者: 何会民
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 聚类 随机游走 KL散度
• 年，卷（期）: 2008,（16）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 224-226
• 页数: 3页
• 分类号: TP301.6
• 字数: 3350字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2008.16.077

摘要

聚类分析在数据挖掘领域有着广泛的应用,该文提出一个聚类新思路,它不需要任何参数的假设,只基于数据两两之间的相似性.该方法假设数据点之间存在随机游走关系,根据数据相似性构造随机游走过程的转移矩阵,当随机游走过程进入收敛期后,t阶转移矩阵揭示了数据点的分布.用迭代方法寻找最小的KL-divergence来对这些分布聚类.该方法具有严谨的概率理论基础,避免了传统算法需要参数假设、限于局部最优等不足.实验表明,该算法具有较优的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何会民	邯郸学院计算机系	13	58	5.0	7.0