基于广义量子粒子模型的聚类算法及收敛性研究

• 作者: 帅典勋 张彬 黄良军
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 数据聚类 高维数据 随机过程 马尔可夫链
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 225-228,236
• 页数: 5页
• 分类号: TP393
• 字数: 6187字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.02.056

摘要

提出了一种应用广义量子粒子模型进行自组织聚类的新方法.该模型将数据聚类过程转化为一个量子粒子在状态构形空间上的随机自组织过程,由量子粒子之间相互纠缠形成的状态构形随时间不断演化,最终会收敛到一个平稳的概率分布,最优状态空间构形与平稳概率分布中具有最大概率的状态构形相对应.对此自组织过程的收敛性进行了理论上的证明.与传统的适用于大规模数据的聚类方法相比较,该算法具有更快的收敛速度,仿真实验表明了其优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张彬	华东理工大学计算机科学与技术系	15	169	7.0	13.0
2	帅典勋	华东理工大学计算机科学与技术系	40	259	9.0	13.0
6	黄良军	华东理工大学计算机科学与技术系	4	35	3.0	4.0