基于最大中心间隔的缩放型η-极大熵聚类算法

• 作者: 蒋亦樟 钱鹏江 陈爱国
• 来源期刊: 计算机应用研究
• 关键词: 最大中心间隔 数据缩放 极大熵聚类 中心一致
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 103-106,123
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.01.024

摘要

为了调控数据之间的差异性,一般化的处理方式是对数据简单地进行按比例缩放,而此类做法本身对于数据的信息是不存在任何破坏的.但在进行聚类分析时,大部分算法对于按比缩放的数据都是很敏感的,其中较典型的算法有极大熵聚类(MEC)算法.大量的实验表明,当缩放尺度位于10-3数量级以下时,极大熵聚类算法已经失效,通过该算法得到的聚类中心趋于一致.为了解决上述问题,在MEC算法的基础上引入最大中心间隔项与缩放因子η,构造出了全新的目标函数,称为η型最大中心间隔极大熵聚类(η-MCS-MEC)算法.该算法通过调控中心点间的距离使之达到最大,并有效利用缩放因子η对各类划分进行调控,从而避免了聚类中心趋于一致.通过在模拟数据集以及UCI仿真数据集上的实验,结果均显示出算法对变化的数据不再敏感而具有鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱鹏江	江南大学数字媒体学院	33	123	5.0	9.0
2	陈爱国	江南大学物联网工程学院	14	54	5.0	7.0
3	蒋亦樟	江南大学数字媒体学院	50	216	8.0	11.0