基于耦合度量的多尺度聚类挖掘方法

• 作者: 张璐璐 李文斌 田真真 赵书良 陈润资
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 多尺度 聚类 分类数据 尺度转换 度量学习
• 年，卷（期）: 2020,（3）
• 页码范围: 549-562
• 页数: 14页
• 分类号: TP391
• 字数: 9652字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.03.017

摘要

为了能够更好地对非独立同分布的多尺度分类型数据集进行研究,基于无监督耦合度量相似性方法,提出针对非独立同分布的分类属性型数据集的多尺度聚类挖掘算法.首先,对基准尺度数据集进行基于耦合度量的基准尺度聚类;其次,提出基于单链的尺度上推和基于Lanczos核的尺度下推尺度转换算法;最后,利用公用数据集以及H省真实数据集进行实验验证.将耦合度量相似性(Couple metric similarity,CMS)、逆发生频率(Inverse occurrence frequency,IOF)、汉明距离(Hamming distance,HM)等方法与谱聚类结合作为对比算法,结果表明,尺度上推算法与对比算法相比,NMI值平均提高13.1％,MSE值平均减小0.827,F-score值平均提高12.8％;尺度下推算法NMI值平均提高19.2％,MSE值平均减小0.028,F-score值平均提高15.5％.实验结果表明,所提出的算法具有有效性和可行性.