鄰域相似度自適應(yīng)近鄰傳播聚類算法研究.pdf

1、近鄰傳播聚類算法(Affinity Propagation，AP)是一種新型的無監(jiān)督聚類算法，對特征規(guī)整的數(shù)據(jù)聚類效果較好，但仍存在以下不足:(1)AP算法作為一種基于中心的聚類算法，相似性度量較為單一，對于特征復(fù)雜數(shù)據(jù)集辨識能力較差，聚類精度不高;(2)AP算法中的偏向參數(shù)會直接影響聚類效果，其選擇方法沒有相關(guān)理論指導(dǎo)，需要人為進行設(shè)置，導(dǎo)致算法精確度降低。針對以上兩點不足，本文提出一種鄰域相似度自適應(yīng)AP聚類算法，主要改進措施如下:

2、
　　(1)針對AP算法處理結(jié)構(gòu)復(fù)雜數(shù)據(jù)集時辨識能力差、聚類精度低的問題，引入鄰域相似度取代歐氏距離作為新的聚類依據(jù)，通過分析數(shù)據(jù)集的統(tǒng)計特性，利用最近鄰數(shù)據(jù)集合曲線和概率分布密度求得合理的鄰域半徑，以此為基礎(chǔ)計算鄰域相似度，最后構(gòu)建出鄰域相似度矩陣并進行聚類，從而有效提高算法在復(fù)雜特征數(shù)據(jù)集上的聚類效果。
　　(2)針對AP算法偏向參數(shù)需要人工設(shè)置，取值不當對算法聚類精度影響較大的問題，通過對偏向參數(shù)進行掃描，在聚類結(jié)果持