基于秩约束密度敏感距离的自适应聚类算法

• 作者: 任永功 刘洋 赵月
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 密度敏感 相似矩阵 秩约束 聚类
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 276-279,284
• 页数: 5页
• 分类号: TP39
• 字数: 4131字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.05.050

摘要

传统的聚类算法一般使用欧氏距离获得数据的相似矩阵,在处理一些较复杂的数据时,欧氏距离由于不能反映全局一致性,因此无法有效地描述出数据点的实际分布.提出了一种基于秩约束密度敏感距离(Rank Constraints Density Sensitive Distance,RCDSD)的自适应聚类算法.该方法首先引入密度敏感距离的相似性度量得到相似矩阵,有效地扩大了不同类数据点之间的距离,缩小了同类数据点间的距离,从而解决了传统聚类算法使用欧氏距离作为相似性度量导致聚类结果出现偏差的弊端;其次,在相似矩阵的拉普拉斯矩阵上施加秩约束,使相似矩阵的连通区域数等于聚类数,直接将数据点划分到正确的类中,得到最终的聚类结果,而不需要执行k-means或其它离散化程序.在人工仿真数据集和真实数据集上进行了大量实验,结果表明,所提算法得到了准确的聚类结果,并提高了聚类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任永功	辽宁师范大学计算机与信息技术学院	74	975	12.0	30.0
2	刘洋	辽宁师范大学计算机与信息技术学院	106	117	5.0	7.0
3	赵月	辽宁师范大学计算机与信息技术学院	9	13	2.0	3.0