复杂分布数据的二阶段聚类算法

• 作者: 公茂果 曹宇 焦李成 王爽 马文萍 马萌
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 数据挖掘 聚类K-均值算法 进化算法 流形
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2760-2772
• 分类号: TP181
• 字数: 7937字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2011.03903

摘要

提出了一种用于复杂分布数据的二阶段聚类算法(two-phase clustering,简称TPC),TPC包含两个阶段:首先将数据划分为若干个球形分布的子类,每一个子类用其聚类中心代表该类内的所有样本；然后利用可以处理复杂分布教据的流形进化聚类(manifold evolutionary clustering,简称MEC)对第1阶段得到的聚类中心进行类别划分；最后综合两次聚类结果整理得到最终聚类结果.该算法基于改进的K-均值算法和MEC算法.在进化聚类算法的基础上引入流形距离,使得算法能够胜任复杂分布的数据聚类问题.同时,算法降低了引入流形距离所带来的计算量.在分布各异的7个人工数据集和7个UCI数据集测试了二阶段聚类算法,并将其效果与遗传聚类算法、K均值算法和流形进化聚类算法做了比较.实验结果表明,无论对于简单或复杂、凸或非凸的数据,TPC都表现出良好的聚类性能,并且计算时间与MEC相比明显减少.