面向大规模数据的快速多代表点仿射传播算法

• 作者: 刘季 杭文龙 陈秀宏
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 仿射传播 聚类 大数据 多代表点
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 268-276
• 页数: 9页
• 分类号: TP181
• 字数: 6125字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1505034

摘要

针对原始的仿射传播(affinity propagation,AP)聚类算法难以处理多代表点聚类,以及空间和时间开销过大等问题,提出了快速多代表点仿射传播(multi-exemplar affinity propagation using fast reduced set density estimator,FRSMEAP)聚类算法.该算法在聚类初始阶段,引入快速压缩集密度估计算法(fast reduced set density estimator,FRSDE)对大规模数据集进行预处理,得到能够充分代表样本属性的压缩集;在聚类阶段,使用多代表点仿射传播(multi-exemplar affinity propagation,MEAP)聚类算法,获得比AP更加明显的聚类决策边界,从而提高聚类的精度;最后再利用K-邻近(K-nearest neighbor,KNN)算法分配剩余点得到最终的数据划分.在人工数据集和真实数据集上的仿真实验结果表明,该算法不仅能在大规模数据集上进行聚类,而且具有聚类精度高和运行速度快等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈秀宏	江南大学数字媒体学院	90	480	12.0	17.0
2	杭文龙	江南大学数字媒体学院	9	48	3.0	6.0
3	刘季	江南大学数字媒体学院	1	2	1.0	1.0