方向相似性聚类方法DSCM-模式识别国家重点试验室.PDF

维普资讯 计 算机研 究 与发展 ISSN 1000—1239|CN 11—1777|P JournalofComputerResearchandDevelopment 43(8)：I425～1431，2006 方向相似性聚类方法DSCM 修 宇 王士同 ， 吴锡生 胡德文。 (江南大学信息工程学院 无锡 214036) (南京理工大学计算机科学系 南京 210016) (国防科学技术大学机 电与 自动化学院 长沙 410073) (中国科学院 自动化所模式识别 国家重点实验室 北京 100080) (xiuyu1860@yahoo．corn．cn) TheDirectionalSimilarity-BasedClusteringM ethodDSCM XiuYu ．．，W angShitong ，．．，W uXisheng 一，andHuDewen。 (SchoolofInformationEngineering，SouthernYangtzeUniversity，Wuxi214036) (DepartmentofComputerScience，NanjingUniversityof ScienceandTechnology，Nanjing210016) (Collegeof MechatronicsandAutomation，NationalUniversityof DefenseTechnology，Changsha410073) (NationalLaboratoryof PatternRecognition，Instituteof Automation，ChineseAcademyof Sciences，BeOing 100080) Abstract The directionalsimilarity—based robust clustering approach DSCM for directionaldata is presentedinthispaper．TheDSCM utilizestheobjectivefunctionbasedonthedirectionalsimilarity measure，andthenoptimizesitusingthefixedpointiterationmethodsuchthatallthestablestatesofthe datasamplesarederived．Bypresentingallthesestablestatestothehierarchicalclusteringalgorithm AHC， thefinalclustering resultsareobtained．Thisnew approach exhibitsitsrobustnessto initialization and capabilityto reasonably detectthe numberofclustersforclustering directionaldata．The experimental resultsdemonstrateitsvalidityanddistinctivesuperiority overthetwoconventionaldirectionalclustering algorithms． Keywords directionalsimilarity ；robustclusteringalgorithm ；clusteringvalidity 摘 要 针对方向性数据提 出了一种鲁棒的基于方向相似性度量的聚类方法DSCM．DSCM 首先基于 方向性度量构造 目标函数 ，然后通过不动点迭代法对 目标 函数优化，获得各个样本的最终稳定状态，最 后基于样本的最终状态集利用层次聚类技术实现聚类．DSCM 的优势在于对方向性数据聚类时不依赖 于具体的初始化参数 ，且能 自组织地求解最优聚类划分 因而有很好 的鲁棒性．通过实验证实了DSCM 的有效性以及对 已有的两个传统方向性聚类算法的优越性． 关键词 方向相似性 ；鲁棒聚类算法；聚类有效性 中图法分类