基于相似性度量的高维数据聚类算法研究

• 作者: 张洪渊 池万乐 沈良忠 王晓阳
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 高维数据 相似性度量 数据聚类
• 年，卷（期）: 2013,（5）
• 页码范围: 30-33
• 分类号: TP311.1
• 字数: 3437字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.05.008

摘要

高维数据空间中的高维数据相似性度量问题是一个具有挑战性的课题.针对传统数据相似性度量算法在高维数据空间的不适应性,通过对传统的距离度量方法进行分析,结合高维数据特性,提出了高维数据相似性度量函数Esim( X, Y ).将其与已有的相似性度量函数Hsim( X,Y )进行比较,得出改进的算法在高维相似性度量方面的优越性,特别是在高值数据之间与低值数据之间的相对差异方面更具优势.利用数值型数据集进行实验分析,验证了该函数在高维数据空间聚类的有效性和合理性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	池万乐	温州大学城市学院	10	60	4.0	7.0
2	沈良忠	温州大学城市学院	21	66	5.0	7.0
3	张洪渊	温州大学城市学院	10	56	4.0	7.0
4	王晓阳	温州大学物理与电子信息工程学院	1	25	1.0	1.0