符号序列的概率向量聚类方法

• 作者: 程铃钫 陈黎飞
• 来源期刊: 计算机应用研究
• 关键词: 数据聚类 符号序列 向量空间模型 概率向量 马尔可夫模型
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1676-1680
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.06.017

摘要

针对符号序列聚类中表示模型及序列间距离度量定义的困难问题,提出一种基于概率向量的表示模型及基于该模型的符号序列聚类算法.该模型引入符号序列的概率分布表示法,定义了一种基于概率分布差异的符号序列距离度量及该模型的目标函数,最后给出了一种符号序列K-均值型聚类算法,并在来自不同领域的实际应用序列集上进行了实验验证.实验结果表明,与基于子序列表示模型的符号序列聚类算法相比,所提方法在DNA序列和语音序列等具有较多符号的实际数据上,在有效提高聚类精度的同时降低聚类时间50％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈黎飞	福建师范大学数学与计算机科学学院	42	344	9.0	17.0
2	程铃钫	福建农林大学金山学院	15	27	3.0	4.0