SIA OpenIR  > 数字工厂研究室
基于谱分析的密度峰值快速聚类方法算法
其他题名Clustering by fast search and find of density peaks based on spectrum analyze
韩忠华1,2; 毕开元1; 司雯1; 吕哲1
作者部门数字工厂研究室
关键词数据聚类 适应性 降维 密度峰值聚类 谱分析
发表期刊计算机应用
ISSN1001-9081
2018
页码1-7
产权排序1
资助机构国家自然科学基金(61503259);辽宁省科技厅面上项目(201602608);辽宁省高等学校基本科研项目(LJZ2017015)
摘要针对密度峰值快速聚类算法对不同数据集聚类效果的差异,利用谱聚类对密度峰值快速聚类算法加以改进,提出了一种基于谱分析的密度峰值快速聚类方法(Clustering by Fast Search and Find of Density Peaks based on Spectrum Analyze,CFSFDP-SA)。首先,将高维非线性的数据集映射到低维子空间上实现降维处理,将聚类问题转化为图的最优划分问题以增强算法对数据全局结构的适应性;然后,利用CFSFDP算法对处理后的数据集进行聚类。结合此两种聚类算法各自的优势,进一步提升聚类算法的性能。经数据集检测,改进后的CFSFDP算法在不同数据集上的聚类精度均得到了提升。通过人造非线性数据集和机器学习库数据集的验证结果表明该改进算法在聚类类数和聚类精度上得到了进一步优化。实验结果表明,该方法提高了CFSFDP对原始数据集的适应性,在高维数据集的聚类精度上得到了最多14%左右的提升。
其他摘要Since the difference of clustering effect of Clustering by Fast Search and Find of Density Peaks (CFSFDP) on datasets, using spectral clustering to improve the Clustering by Fast Search and Find of Density Peaks, a Clustering by Fast Search and Find of Density Peaks Based on Spectrum Analysis (CFSFDP-SA) was proposed. Firstly, the high-dimensional non-linear dataset was mapped onto the low-dimensional subspace to realize dimension reduction. The clustering problem was transformed into the optimal partitioning problem of the graph to enhance the adaptability of the algorithm to the global structure of the data. Then the CFSFDP algorithm was used to cluster the processed dataset. Combining the advantages of these two clustering algorithms, the performance of the clustering algorithm was further improved. Through the verification of artificial nonlinear dataset and machine learning library dataset, it is found that the improved algorithm is further optimized in clustering class and clustering precision. The experimental results show that this method improves the adaptability of CFSFDP to the original data set, has improved the clustering accuracy up to 14 % on high dimensional data sets.
语种中文
文献类型期刊论文
条目标识符http://ir.sia.cn/handle/173321/22760
专题数字工厂研究室
通讯作者毕开元
作者单位1.沈阳建筑大学信息与控制工程学院
2.中国科学院沈阳自动化研究所数字工厂研究室
推荐引用方式
GB/T 7714
韩忠华,毕开元,司雯,等. 基于谱分析的密度峰值快速聚类方法算法[J]. 计算机应用,2018:1-7.
APA 韩忠华,毕开元,司雯,&吕哲.(2018).基于谱分析的密度峰值快速聚类方法算法.计算机应用,1-7.
MLA 韩忠华,et al."基于谱分析的密度峰值快速聚类方法算法".计算机应用 (2018):1-7.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于谱分析的密度峰值快速聚类方法算法.p(603KB)期刊论文出版稿开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[韩忠华]的文章
[毕开元]的文章
[司雯]的文章
百度学术
百度学术中相似的文章
[韩忠华]的文章
[毕开元]的文章
[司雯]的文章
必应学术
必应学术中相似的文章
[韩忠华]的文章
[毕开元]的文章
[司雯]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 基于谱分析的密度峰值快速聚类方法算法.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。