一种基于赋权联合概率模型的聚类算法

• 作者: 卢红星 叶阳东 姬波
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 聚类 属性权重 联合概率模型 序列化信息瓶颈算法 互信息
• 年，卷（期）: 2016,（1）
• 页码范围: 130-138
• 页数: 9页
• 分类号: TP181
• 字数: 4041字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2016.01.013

摘要

序列化信息瓶颈(Sequential information bottleneck,sIB)算法是一种广泛使用的聚类算法.该算法采用联合概率模型表示数据,对样本和属性的相关性有较好的表达能力.但是sIB算法采用的联合概率模型假设数据各个属性对聚类的贡献度相同,从而削弱了聚类效果.本文提出了赋权联合概率模型概念,采用互信息度量属性重要度,并构建赋权联合概率模型来优化数据表示,从而达到突出代表性属性、抑制冗余属性的目的.UCI数据集上的实验表明,基于赋权联合概率模型的WJPM_sIB算法优于sIB算法,在F1评价下,WJPM sIB算法聚类结果比sIB算法提高了5.90％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬波	郑州大学信息工程学院	30	116	6.0	9.0
2	叶阳东	郑州大学信息工程学院	69	612	14.0	22.0
3	卢红星	郑州大学信息工程学院	14	19	2.0	3.0