文献类型：期刊文章

作　　者：金萍[1,2] 宗瑜[1,2] 屈世超[3] 胡燕[3] 田园[3]

机构地区：[1]皖西学院信息工程学院,六安237012 [2]中国科学与技术大学计算机科学与技术学院,合肥230027 [3]大连理工大学软件学院,大连116621

出　　处：《南京大学学报（自然科学版）》

基　　金：国家自然科学基金(61073110);安徽省自然科学基金面上项目(1208085MF95);安徽省教育厅自然科学基金重点项目(KJ2012A273,KJ2012A274);留学人员科研活动项目择优资助项目

年　　份：2015

卷　　号：51

期　　号：1

起止页码：197-205

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2015_2016、MR、ZGKJHX、ZMATH、核心刊

摘　　要：不确定数据聚类是传统数据挖掘的扩展,面对不确定数据聚类,研究者们经常把聚类问题描述成组合优化问题,并设计启发式聚类算法进行求解.现有的启发式聚类算法,如UK-means和UK-Medoids具有容易理解和实现简单等优点,但初始解敏感问题严重影响了聚类质量.本文在近似骨架理论的基础上,提出了一种近似骨架启发式聚类算法APPGCU(Approximate backbone guided heuristic clustering algorithm for uncertain data).该算法首先对原数据集完成P次采样,在采样后的规模较小的P个数据集上分别执行UK-Medoids算法得到P个局部最优解;然后通过对P个局部最优解求交得到近似骨架,并从中提取初始簇心;最后从初始簇心开始,启发式搜索出聚类结果.在仿真和实际数据集中的实验结果表明,算法APPGCU的聚类结果明显高于实验对比的启发式聚类算法,提高了聚类质量.

关 键 词：NP-难解 启发式算法 近似骨架  不确定数据聚类  

分 类 号：TP181]