基于概率无向图模型的近邻传播聚类算法

发布时间：2018-02-04 22:08

本文关键词： 近邻传播聚类算法偏向参数概率无向图模型高斯平滑簇归并　出处：《控制与决策》2017年10期 　论文类型：期刊论文

【摘要】：针对近邻传播聚类算法偏向参数难选定、生成的簇数目偏多等问题,提出一种概率无向图模型的近邻传播聚类算法.首先为样本数据构建概率无向图模型,利用极大团和势函数计算无向图中数据样本的概率密度,将此概率密度作为一种聚类先验知识注入近邻传播算法的偏向参数中,提高算法的聚类效率;并用高斯降噪和簇归并方法进一步提升算法的聚类精度.在UCI数据集上的实验结果表明,所提出算法的聚类效率和精度均优于相比较的同类算法.
[Abstract]:The affinity propagation clustering algorithm to bias parameter selected, the number of cluster problem generated more, this paper presents a probabilistic undirected graph model of affinity propagation clustering algorithm. Firstly, the sample data to construct probabilistic undirected graph model, calculating the probability density of an undirected graph data based on maximum clique and potential function, the bias parameter the probability density clustering as a priori knowledge into the affinity propagation algorithm, improve the efficiency of clustering algorithm and clustering algorithm; to further improve the accuracy of Gauss noise reduction and cluster merging method. The experimental results on UCI data sets show that the proposed clustering algorithms the efficiency and precision of the algorithm are better than the comparison.

【作者单位】：广西大学计算机与电子信息学院;
【基金】：国家自然科学基金项目(61363027) 教育部人文社会科学研究规划基金项目(11YJAZH080)
【分类号】：TP311.13
【正文快照】： 0引近邻传播聚类算法(AP)是一种新型聚类算法[1-2],与传统的K-means等聚类算法相比,它事先不需要知道类别个数,根据输入的数据集,通过反复迭代自动找出聚类中心,具有很强的通用性,目前已被应用于文本挖掘、图像识别、基因数据处理等领域[3-6].但在实际应用中,AP算法存在以下问

【相似文献】