面向高维数据的PCA-Hubness聚类方法

• 作者: 唐允恒 唐黄 葛亮 郎江涛
• 来源期刊: 现代计算机
• 关键词: Hub聚类 高维数据 偏度 本征维度 PCA
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 研究与开发
• 页码范围: 52-55,59
• 页数: 5页
• 字数: 3599字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2017.11.010

摘要

hub聚类算法可以解决传统聚类算法无法处理高维数据的问题.然而,由于它未考虑数据中的冗余和噪声特征,从而降低聚类性能.因此,提出PCA-Hubness聚类方法用于提高高维数据的聚类性能.PCA-Hubness聚类方法利用逆近邻数的偏度和本征维度的相互关系,以偏度的变化率为降维依据,保证在对高维数据降维时不会损失过多的有价值信息,有利于提高聚类效果.此算法在UCI数据集上进行实验,相比hub聚类算法,轮廓系数平均提高15%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛亮	重庆大学计算机学院	27	181	7.0	12.0
2	郎江涛	重庆大学计算机学院	2	3	1.0	1.0
3	唐黄	重庆大学计算机学院	2	3	1.0	1.0
4	唐允恒	重庆大学计算机学院	4	4	1.0	2.0