基于密度调整和流形距离的近邻传播算法-计算机科学.pdfVIP

Vo 1. 44 No. 10 第 44 卷第10 期 计算机科学 2017 年 10 月 COMPUTER SCIENCE Oct.2017 基于密度调整和流形距离的近邻传播算法 夏春梦1 ， 2 倪志伟1 ， 2 倪丽萍1 ， 2 张霖3 (合肥工业大学管理学院 合肥 230009)1 (合肥工业大学过程优化与智能决策教育部重点实验室 合肥 230009)2 (北京航空航天大学自动化科学与电气工程学院 北京 10019 1) 3 摘 要 针对近邻传播聚类算法在构造相似度矩阵时因对多重尺度和任意形状数据敏感而聚类效果不理想的缺陷， 提出一种基于密度调整和流形距离的近邻传播算法。该算法将领域密度和流形理论的思想引入近邻传播算法， 利用基于密度调整和流形的距离更好地刻画了样本空间的真实分布状况，解决了相似度矩阵不能充分表示数据之间 内在关系的问题，在一定程度上提高了近邻传播聚类算法的聚类效采。通过在人工数据集和标准数据集上进行实验 对比，验证了算法的有效性和优越性。 关键词 近邻传播聚类，密度调整，流形相似度，多重尺度数据集，任意形状数据集 中图法分类号 TP391 文献标识码 A 001 10. 11896/j. issn. 1002-137X. 2017. 010. 035 Affinity Propagation Clustering Algorithm ßased on Density Adjustment and Manifold Distance 1 1 3 XIA Chun-meng ,2 NI Zhi-wei ,2 NI Li-ping1,2 ZHANG Lin (School of Management ,Hefei U niversity of Technology ,Hefei 230009 ,China) 1 (Key Laboratory of Process Optimization and Intelligent Decision-Making ,Ministry of Education , Hefei University of Technology ,Hefei 230009 ,China) 2 (College of Automation Science and Electrical Engineering ,Beihang University ,Beijing 100191 ,China)3 Abstract As affinity propagation(AP) clustering is sensitive to the dataset with scaling parameter and various form while calculating the similarity matrix and the cluster result is not ideal , an affinity propagation clustering algorithm based on density adjustment and manifold distance was proposed. The algorithm introduces