基于概率无向图模型的近邻传播聚类算法-控制与决策.pdfVIP

第 卷 第期 控 制 与 决 策 年 月 文章编号 基于概率无向图模型的近邻传播聚类算法 覃 华 詹娟娟 苏一丹 广西大学计算机与电子信息学院，南宁 摘 要 针对近邻传播聚类算法偏向参数难选定、生成的簇数目偏多等问题 提出一种概率无向图模型的近邻传 播聚类算法 首先为样本数据构建概率无向图模型 利用极大团和势函数计算无向图中数据样本的概率密度 将 此概率密度作为一种聚类先验知识注入近邻传播算法的偏向参数中 提高算法的聚类效率 并用高斯降噪和簇归 并方法进一步提升算法的聚类精度 在 数据集上的实验结果表明 所提出算法的聚类效率和精度均优于相比 较的同类算法 关键词 近邻传播聚类算法；偏向参数；概率无向图模型；高斯平滑；簇归并 中图分类号 文献标志码 ffi ， ， ， ffi ffi ffi ffi ffi ffi ffi ； ； ； ； 引 精准 文献 引入半监督思想 利用已知标签作为先 近邻传播聚类算法 是一种新型聚类算 验知识对相似度矩阵进行调整 以提高了 聚类准 确度 文献 结合 压缩与合并方法 对大型数 法 与传统的 等聚类算法相比 它事先不 需要知道类别个数 根据输入的数据集 通过反复迭 据集进行压缩分类预处理 提高算法的准确率 文献 代自动找出聚类中心 具有很强的通用性 目前已被 的 算法中 允许用户预先设定样本聚类 簇数目 减少确定簇数目的计算开销 提高了计算 应用于文本挖掘、图像识别、基因数据处理等领域 但在实际应用中 算法存在以下问题 对偏向参 效率 文献 提出惩罚权重和奖励权重 减少了算 数取值极为敏感 取值不当易引发迭代震荡 影响聚 法的迭代次数 文献 提出高斯核函数的自适应 类效果 产生的簇数目比实际的簇数目多 处理 聚类算法 在一定程度上克服了原有算法对数据 复杂数据集耗时长且聚类效果欠佳 针对 算法存 集敏感的问题 文献 将概率无向图模型与服务 在的这些问题 有学者提出了相关改进 文献通过