版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于近鄰路徑的自適應(yīng)尺度譜聚類算法研究.pdf
- 基于相似度傳播聚類算法的地標路由算法研究.pdf
- 基于最近鄰相似度的孤立點檢測及半監(jiān)督聚類算法.pdf
- 改進的近鄰傳播聚類算法及其應(yīng)用研究.pdf
- 基于DBSCAN的自適應(yīng)聚類算法研究.pdf
- 概率無向圖模型近鄰傳播聚類算法的研究.pdf
- 一種自適應(yīng)譜聚類算法研究.pdf
- 自適應(yīng)譜聚類算法的研究與應(yīng)用.pdf
- 自適應(yīng)模糊C-均值聚類算法研究.pdf
- 基于近鄰的聚類算法研究.pdf
- 自適應(yīng)判別降維模糊聚類算法研究.pdf
- 基于MapReduce的自適應(yīng)密度聚類算法研究.pdf
- 自適應(yīng)微分進化模糊聚類分割算法研究.pdf
- 基于密度模式的參數(shù)自適應(yīng)聚類算法研究.pdf
- 基于自然鄰的自適應(yīng)譜聚類算法研究.pdf
- 基于AFS鄰域的全局聚類算法.pdf
- 基于路徑相似度測量的譜聚類算法研究.pdf
- 基于語義相似度的文本聚類算法的研究.pdf
- 自適應(yīng)空間聚類方法研究.pdf
- 基于自適應(yīng)遺傳算法的橢圓聚類方法研究
評論
0/150
提交評論