一种邻域粒谱聚类方法 |
| |
引用本文: | 何宇豪,陈颖悦,曾高发,刘培谦.一种邻域粒谱聚类方法[J].西南大学学报,2024(5):2-10. |
| |
作者姓名: | 何宇豪 陈颖悦 曾高发 刘培谦 |
| |
作者单位: | 1. 厦门理工学院计算机与信息工程学院;2. 厦门市执象智能科技有限公司;3. 厦门理工学院经济与管理学院 |
| |
基金项目: | 国家自然科学基金项目(61976183);;厦门市科技计划项目(2022CXY0428); |
| |
摘 要: | 谱聚类是一种无监督学习的聚类方法,其具有能够收敛至全局最优且适用于任意形状样本空间的优点.然而,传统方法构造的相似矩阵有时难以准确反映出数据之间的近似关系,从而导致聚类结果不佳.粒计算技术能够很好地解决这一问题.通过将数据邻域粒化,从粒子的视角重新衡量数据之间的近似关系,提出了一种基于邻域粒的谱聚类方法.首先,将样本的单一属性通过邻域粒化的方式形成邻域粒子;然后,将属于同一样本的粒子组合构造成粒子向量;接着,利用定义的2种邻域粒距离公式,对构造出的粒向量进行距离度量,并通过径向基函数生成相似矩阵,从而进行谱聚类;最后,使用UCI数据集进行验证,将谱聚类算法与邻域粒结合,从邻域参数和邻域粒向量的距离度量方式2个方面进行性能测试,并与传统聚类算法进行对比.实验结果表明,基于邻域粒构造的相似矩阵在谱聚类中是可行且有效的.
|
关 键 词: | 粒计算 谱聚类 聚类 邻域 粒向量 |
|
|