- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于相似性度量的高维聚类算法的研究.pdf
您的论文得到两院院士关注 软件时空
文章编号:1008-0570(2009)09-3-0187-02
基于相似性度量的高维聚类算法的研究
Research on High Dimensional Clustering Algorithm Based on Similarity Measure
(华南师范大学) 黄斯达 陈启买
HUANG Si-da CHEN Qi-mai
摘要 针对高维数据相似度难以定义的问题 本文提出了一种新的高维数据聚类算法 该算法基于一个能够更准确表达高维
: , 。
数据对象之间相似性的度量函数 首先计算对象两两之间的相似度并得出一个相似度矩阵 然后根据该相似度矩阵自底向
, ,
上对数据进行聚类分析 实验显示 该算法能够获得质量更高的聚类结果 并且不受孤立点影响 对数据输入顺序也不敏感
。 , , , 。
关键词 高维数据 聚类分析 相似性度量
: ; ;
中图分类号: TP311 文献标识码: A
Abstract: Facing the difficult problem of how to define similarity measure for high dimensional data, a new high dimensional cluster-
ing algorithm is designed in this paper. This new clustering algorithm is based on a new similarity measure function, which can more
accurately to express the similarity degree among the high dimensional data. The executing process of the algorithm is followed: firstly
it uses the similarity measure function to compute the similarity degree for each high dimensional data to obtain the similarity matrix, 技
and then conducts the cluster analysis based on the similarity matrix by the Bottom-up method. The experiment shows that this algo-
rithm can improve the clustering analysis accurately and effectively, and will not be influent by the outliers. This algorithm is also in- 术
sensitive to the input order of the data.
Key words:
文档评论(0)