ε1-距离聚类算法研究Ward聚类算法的推广

• 作者: 姚宁宁 李倩男
• 来源期刊: 信息系统工程
• 关键词: 距离函数 推广 组间组内距离 聚类算法
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 学术研究
• 页码范围: 135-137,140
• 页数: 4页
• 字数: 2589字
• 语种: 中文

摘要

本文基于统计观测样本距离函数研究聚类算法.通过定义观测样本距离为组间组内对象的任意指数形式距离之差,引入ε1-距离算法(指数为1),由此传统的Ward最小方差法(指数为2)进行了推广.该算法具有超度量性和空间扩张性.在分类问题应用中,相比传统聚类算法,该算法能够把具有几乎相同重心的高维样本数据给区分开来.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚宁宁		1	0	0.0	0.0
2	李倩男		1	0	0.0	0.0