| 基于奇异值分解的自适应近邻传播聚类算法 |
| |
| 作者姓名： | 王丽敏 姬强 韩旭明 黄娜 |
| |
| 作者单位： | 1. 吉林财经大学 管理科学与信息工程学院, 长春 130117； 2. 长春工业大学 软件学院, 长春 130012；3. 上海财经大学 信息管理与工程学院, 上海 200433 |
| |
| 基金项目： | 国家自然科学基金(批准号:61202306);吉林省科技厅项目(批准号:20100507;201215119;20130522177JH);吉林省教育厅重点规划项目(批准号:2012185);吉林省高校新世纪优秀人才支持计划项目(批准号:2014159);吉林财经大学青年学俊支持计划项目 |
| |
| 摘 要： | 针对近邻传播算法无法有效处理高维数据而导致聚类效果不佳的问题, 提出一种基于奇异值分解的自适应近邻传播（SVD-SAP）聚类算法. 通过引入奇异值分解, 对高维数据进行重构、 降维, 消除冗余信息, 并在此基础上采用非线性函数策略, 自适应地调整阻尼系数, 提高算法的聚类性能. 仿真实验结果表明, 与已有算法相比, 该改进算法聚类精度更高, 收敛速度更快.
|
| 关 键 词： | 近邻传播聚类算法 奇异值分解 非线性函数策略 阻尼系数 |
| 收稿时间： | 2014-05-13 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
|
点击此处可从《吉林大学学报(理学版)》下载全文 |
|
