基于指数衰减的演化数据聚类算法.pdfVIP

JournalofComputerApplications ISSN 1001．9081 2014—-12．．15 计算机应用，2014，34(s2)：117—119 CODENJYIIDU http：／／www．joca．en 文章编号 ：1001．9081(2014)s2．01l7—03 基于指数衰减的演化数据聚类算法 张东升 ，方景龙 ，王兴起 (杭州电子科技大学计算机学院，杭州 310018) ( 通信作者电子邮箱6l@hdu．edu．cn) 摘 要：为了提高演化数据聚类的平滑度，提 出了一种演化数据聚类框架。该框架综合考虑不同时间点的历史 数据对当前时刻的演化数据聚类的影响，将指数衰减思想应用于平滑正则项 中，然后将谱聚类算法应用于该框架，得 到基于指数衰减的演化谱聚类算法。实验结果表明，该算法有效地提高了演化数据聚类的平滑度。 关键词 ：数据挖掘；演化数据；聚类；指数衰减；正则化 中图分类号：TP181；TP301．6 文献标志码 ：A Evolutionaryclusteringbasedon exponentialdecay ZHANGDongsheng，FANGJinglong ，WANGXingqi (CollegeofComputerScienceandTechnology,HangzhouDianziUniversity,HangzhouZhejiang310018，China) Abstract：Inordertoimprovethesmoothnessoftheevolutionaryclustering，a~ameworkfortheevolutionaryclustering wasproposed．Consideringthe historicaldataimpacton currentclustering，the exponential decayregularization term was applied，andthen spectral clusteringalgorithm wasappliedtoobtain evolutionary spectral clustering．Experimental results show thatthealgorithm caneffectively improvethesmoothnessoftheevolutionaryclustering． Keywords：datamining；evolutionary data；clustering；exponential decay；regularization 机制，如聚类的出现、分裂、融合、消亡等。 0 引言 在演化数据的聚类问题提出后，国内外很多学者对该问 演化数据的学习是近年来机器学习和数据挖掘研究领域 题进行了深入研究 ，并提 出了多种实用算法。这些算法大致 的一个新兴研究热点，引起了人们越来越多的关注。传统的 可分为两类 ：平滑正则的方法，如 Chakrabarti等 提出的演 机器学习是基于统计理论的学习，其隐含的基本假设是测试 化K-means算法和演化层次聚类算法 ，Chi等 提 出的演化 集和训练集的概率分布是独立同分布的…，而在演化数据的 谱聚类算法 ，Wangl4提出的低秩矩阵逼近法等；显式建模的 学习中数据的概率分布是随着时间的变化而变化的 。 方法 ，如Wang等 提 出的高斯混合模型算法 ，xu等 提出 演化数据聚类是演化数据的学习和应用的核心，现有的 的基于狄利克雷过程的无限混合模型算法，Yu 提出的隐式 演化数据聚类方法分为两类 ：一类是显式建模方法 ，该方