高维数据中的相似性度量算法的改进

• 作者: 严利民 楼巍 邵昌昇
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 数据挖掘 高维数据 相似性度量
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 1-4
• 分类号: TP301.6
• 字数: 4535字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2011.02.001

摘要

高维数据之间的相似性度景问题是高维空间数据挖掘中所面临的问题之一.为了有效解决高维效应给相似性度量带来的种种问题,首先分析传统相似性度量算法,得出其局限性.再通过对传统度最算法进行改进,提出新的Close函数,以弥补传统相似性度量算法应用在高维空间时的不足.提出Close函数后,将其与几种传统的相似性度量算法作比较,得出新算法在高维空间相似性度量方面的优越性.文中最后用Matlab对该函数做了定量分析,实验证明该函数在高维空间中能有效避免噪声和维灾效应的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	楼巍	上海大学机电工程与自动化学院	12	70	3.0	8.0
2	严利民	上海大学机电工程与自动化学院	68	247	8.0	14.0
3	邵昌昇	上海大学机电工程与自动化学院	1	46	1.0	1.0