面向不确定数据的近似骨架启发式聚类算法

• 作者: 宗瑜 屈世超 田园 胡燕 金萍
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: NP-难解 启发式算法 近似骨架 不确定数据聚类
• 年，卷（期）: 2015,（1）
• 页码范围: 197-205
• 页数: 9页
• 分类号: TP181
• 字数: 7078字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2015.01.027

摘要

不确定数据聚类是传统数据挖掘的扩展，面对不确定数据聚类，研究者们经常把聚类问题描述成组合优化问题，并设计启发式聚类算法进行求解。现有的启发式聚类算法，如 UK-means 和 UK-Medoids 具有容易理解和实现简单等优点，但初始解敏感问题严重影响了聚类质量。本文在近似骨架理论的基础上，提出了一种近似骨架启发式聚类算法APPGCU(Approximate backbone guided heuristic clustering algorithm for uncertain data)。该算法首先对原数据集完成P次采样，在采样后的规模较小的P 个数据集上分别执行 UK-Medoids 算法得到P 个局部最优解；然后通过对P个局部最优解求交得到近似骨架，并从中提取初始簇心；最后从初始簇心开始，启发式搜索出聚类结果。在仿真和实际数据集中的实验结果表明，算法 APPGCU 的聚类结果明显高于实验对比的启发式聚类算法，提高了聚类质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金萍	皖西学院信息工程学院	16	68	4.0	7.0
3	田园	大连理工大学软件学院	15	74	5.0	8.0
6	宗瑜	皖西学院信息工程学院	17	74	5.0	8.0
10	屈世超	大连理工大学软件学院	1	20	1.0	1.0
11	胡燕	大连理工大学软件学院	8	59	4.0	7.0