一种改进的基于超网络的高维数据聚类算法

• 作者: 张晓 王红
• 来源期刊: 山东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 超网络 频繁项集 关联规则 超图划分 聚类
• 年，卷（期）: 2015,（1）
• 页码范围: 24-28
• 页数: 5页
• 分类号: TP391
• 字数: 4608字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4748.2015.01.006

摘要

高维数据聚类问题是当前聚类分析研究的重点。笔者提出了一种改进的基于超网络的高维数据聚类算法。首先，将高维数据映射到一个大规模带权超网络中；其次，定义超网络中边的权重；再次，采用优化的超图划分方法划分带权超网络；最后实现高维数据聚类。这样有效过滤掉聚类中的噪声数据，避免了传统聚类方法在降维过程中产生的弊端。实验证明，该算法具有较理想的有效性和精确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王红	山东师范大学信息科学与工程学院	80	509	13.0	18.0
5	张晓	山东师范大学信息科学与工程学院	12	55	4.0	7.0