一种有效的面向高维数值型数据的聚类方法

• 作者: 宋云胜 李顺勇 赵兴旺
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 聚类 高维数据 相似性度量 线性相似度
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 206-209
• 分类号: TP181
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2014.02.008

摘要

聚类作为一种无监督的学习方法,利用对数据的分析从中发掘有用的信息.聚类质量的高低通常取决于聚类方法所使用的相似性度量方法和实现方式.文章中提出了一种有效的面向高维数值型数据的聚类方法——新的线性相似性度(LM),可以较好地识别开难于区分的数值型数据.通过与三种经典方法比较,实验结果显示该类方法对数值型高维数据有较高的灵敏度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李顺勇	山西大学计算机与信息技术学院	40	65	4.0	7.0
5	赵兴旺	山西大学计算机与信息技术学院	11	144	6.0	11.0
6	宋云胜	山西大学计算机与信息技术学院	7	16	1.0	4.0