【摘要】：聚類分析是數據挖掘領域的重要組成部分之一,而度量學習是聚類分析中的關鍵性步驟。傳統(tǒng)聚類算法中通常使用歐氏距離進行距離度量,但是歐氏距離只關注兩兩樣本之間的距離關系,并沒有顧及數據的全局性分布結構�？紤]到數據的全局性結構信息,提出了一種新的具有全局性的度量方法——有效距離度量(effective distance metric),其主要思想是通過稀疏重構的方法計算數據樣本之間的有效距離。進一步地,將有效距離應用到K-means、K-medoids和FCM(fuzzy C-means)3種經典聚類算法中開發(fā)了3種基于有效距離的聚類算法,即EK-means,EK-medoids和EFCM聚類算法。通過與傳統(tǒng)聚類算法在UCI標準數據集上的實驗結果進行比較,驗證了基于有效距離的聚類算法能顯著提高聚類效果。
[Abstract]:Clustering analysis is an important part of data mining, and metric learning is a key step in clustering analysis. Euclidean distance is usually used for distance measurement in traditional clustering algorithms, but Euclidean distance only concerns the distance relationship between pairwise samples and does not take into account the global distribution structure of data. Considering the global structural information of data, a new global metric, effective distance metric (effective distance metric), is proposed. The main idea is to calculate the effective distance between data samples by sparse reconstruction. Furthermore, three effective distance based clustering algorithms, EK-means,EK-medoids and EFCM, are developed by applying effective distance to K-medoids and FCM (fuzzy C-means). Compared with the experimental results of the traditional clustering algorithm on the UCI standard data set, it is proved that the clustering algorithm based on the effective distance can improve the clustering effect significantly.
【作者單位】： 南京航空航天大學計算機科學與技術學院;泰山學院信息科學技術學院;
【基金】：國家自然科學基金Nos.61422204,61473149 南京航空航天大學研究生創(chuàng)新實驗室開放基金No.kfjj20151605~~
【分類號】：TP311.13

【相似文獻】

相關期刊論文 前10條

1 李健森;白萬民;;一種改進的距離度量的聚類算法[J];電子設計工程;2012年22期

2 李凡,饒勇,盧安;一種新的基于距離度量的近似推理方法[J];華中科技大學學報;2001年03期

3 呂清秀;李弼程;高毫林;;采用概率密度比值估計的距離度量學習[J];信號處理;2013年05期

4 鄒朋成;王建東;楊國慶;張霞;王麗娜;;輔助信息自動生成的時間序列距離度量學習[J];軟件學報;2013年11期

5 毛紅保;馮卉;楊建華;劉亞軍;;面向相似性查詢的時間序列距離度量方法述評[J];計算機工程與設計;2010年19期

6 馬永軍,方凱,王定成,方廷健,陳衛(wèi);基于支持向量機和距離度量的管道內表面圖像分類方法研究[J];數據采集與處理;2002年02期

7 蘭遠東;高蕾;;基于圖的半監(jiān)督學習的距離度量改進[J];智能計算機與應用;2014年02期

8 陳東成;朱明;賀柏根;楊文波;;特征壓縮在線距離度量學習跟蹤[J];光電子.激光;2014年08期

9 張亮;張鳳鳴;杜純;;復雜裝備健康狀態(tài)評估的粗糙核距離度量方法[J];計算機工程與設計;2009年18期

10 梁吉業(yè);白亮;曹付元;;基于新的距離度量的K-Modes聚類算法[J];計算機研究與發(fā)展;2010年10期

相關博士學位論文 前4條

1 馬連洋;跨攝像機行人再標識研究[D];上海交通大學;2014年

2 李超群;名詞性屬性距離度量問題及其應用研究[D];中國地質大學;2012年

3 江南;自適應距離度量及穩(wěn)健視頻運動分析[D];華中科技大學;2011年

4 鄭小琪;生物分子數據的距離度量及其應用[D];大連理工大學;2009年

相關碩士學位論文 前10條

1 羅長春;基于三元組約束的距離度量學習方法研究[D];哈爾濱工業(yè)大學;2015年

2 陳琪;基于SIFT特征和距離度量學習的圖像檢索方法[D];電子科技大學;2015年

3 雷鵬;軌跡聚類中距離度量與聚類方法的研究[D];蘭州大學;2015年

4 范順國;MDP距離度量在強化學習遷移中的應用[D];南京大學;2014年

5 楊鈺源;基于度量學習和深度學習的行人重識別研究[D];重慶大學;2016年

6 劉江濤;距離度量學習中的類別不平衡問題研究[D];東南大學;2016年

7 呂清秀;圖像距離度量學習技術研究[D];解放軍信息工程大學;2013年

8 陳巧娜;距離度量學習的理論與算法研究：核回歸、大間隔最近鄰與Fisher線性判別[D];華東師范大學;2010年

9 彭凱;基于距離度量學習的文本分類研究[D];上海交通大學;2013年

10 張磊;基于執(zhí)行距離度量的軟件調試與測試優(yōu)化技術研究[D];南京航空航天大學;2013年

，

本文編號：2341126