文献类型：期刊文章

作　　者：李海林[1,2] 魏苗[1]

机构地区：[1]华侨大学信息管理系,福建泉州362021 [2]华侨大学现代应用统计与大数据研究中心,福建厦门361021

出　　处：《电子科技大学学报》

基　　金：国家自然科学基金(71771094;61300139);福建省社会科学规划项目(FJ2017B065);福建省高等学校新世纪优秀人才支持计划(Z1625112);福建省自然科学基金(2015J01581)

年　　份：2018

卷　　号：47

期　　号：2

起止页码：247-255

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。

关 键 词：自适应聚类 近邻传播  聚类评价  属性加权 相似性度量  

分 类 号：TN97]