铉 岩, 周传生

(1. 沈阳师范大学 科信软件学院, 沈阳 110034; 2. 沈阳师范大学 教育技术学院, 沈阳 110034)



基于张量距离的高阶近邻传播聚类算法

铉 岩1, 周传生2

(1. 沈阳师范大学 科信软件学院, 沈阳 110034; 2. 沈阳师范大学 教育技术学院, 沈阳 110034)

近邻传播算法(AP)不需要事先指定聚类数目,在程序运行过程中,能够自动识别聚类中心及聚类数目。在同一批数据集上,AP算法聚类结果稳定,鲁棒性好。除此之外,AP聚类算法可以采用多种距离度量方式,聚类结果精确。针对近邻传播算法(AP)不能对异构数据进行聚类的问题,提出一种基于张量距离的高阶AP聚类算法。该算法首先利用张量表示异构数据对象,然后将张量距离引入AP聚类算法,用来度量异构数据对象在张量空间的相似度。张量距离的引入,不但能够度量异构数据对象在数值上的差异,同时能够度量异构数据对象在高阶空间中位置的差异性,有效的捕捉异构数据对象的分布特征。实验结果表示,提出的高阶AP算法能够有效的对异构数据对象进行聚类。

聚类; 异构数据; 张量距离; AP算法

0 引 言

近年来,随着物联网、电子商务和云计算的发展,产生了越来越多的异构数据集[1]。作为数据挖掘的典型技术,聚类采用无监督学习的方式,将数据集划分成多个簇[2]。使得簇内数据对象之间的相似性尽可能大,簇间数据对象的相似性尽可能小[3]。经过数十年的发展,多种典型的聚类算法被相继提出。然而这些经典的聚类算法都只能对结构化数据进行聚类,难以直接对异构数据聚类。……