支持向量和多中心点:非线性聚类的两大方法

• 作者: 王昌栋 赖剑煌
• 来源期刊: 数据挖掘
• 学科: 工学
• 关键词: 非线性聚类 核聚类 多中心点聚类 PSVC MEAP
• 年，卷（期）: 2013,（4）
• 页码范围: 41-49
• 页数: 9页
• 分类号: TP3

摘要

作为数据挖掘的基础方法之一,数据聚类被广泛应用各个不同领域,例如计算机科学、医学、社会科学和经济学等。根据类的样本点的分布,数据聚类问题通常可以划分成线性可分聚类和非线性可分聚类。由于现实世界的数据分布流形的复杂性,非线性聚类是最流行和最被广泛研究的聚类问题之一。本文首先从四个角度对非线性聚类的近期工作做一个简要的综述,包括基于核的聚类算法、多中心点聚类算法、基于图的聚类算法以及基于支持向量的聚类算法。接着,我们将特别地介绍我们在非线性聚类研究方面的两个主要工作,分别是位置正则化的支持向量聚类(PSVC)以及多中心点近邻传播算法(MEAP)。我们将介绍这些方法的优势与局限性,同时指出未来的研究方向。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赖剑煌	中山大学信息科学与技术学院	41	804	15.0	28.0
2	王昌栋	中山大学移动信息工程学院	11	40	3.0	6.0