可变相似性度量的近邻传播聚类affinitypropagation-电子与信息学报.pdfVIP

第 32 卷第 3 期 电 子 与 信 息 学 报 Vol.32No.3 2010 年 3 月 Journal of Electronics Information Technology Mar.2010 可变相似性度量的近邻传播聚类 董 俊① 王锁萍① 熊范纶② ①(南京邮电大学信息网络研究所 南京 210003) ②(中国科学院智能机械研究所 合肥 230031) 摘 要：近邻传播(AP)聚类算法面临的一个问题是不适用于多重尺度及任意空间形状的数据聚类处理。该文从数 据分布特性的表征出发，提出了一种改进的近邻传播聚类算法 AP-VSM (Affinity Propagation based on Variable-Similarity Measure) 。首先，综合数据的全局与局部分布特性，设计了一种数据可变相似性度量计算方法， 该度量可以有效地反映数据实际聚类的分布特性；然后在传统 AP 算法框架基础上，构造出基于可变相似性度量的 近邻传播聚类算法，从而拓展了传统 AP 算法的数据处理能力。仿真实验验证了新方法性能优于传统 AP 算法。 关键词：数据处理；聚类分析；近邻传播聚类；可变相似性度 b 量；流形分析 中图分类号：TP391 文献标识码： A 文章编号：1009-5896(2010)03-0509-06 DOI:10.3724/SP.J.1146.2009.01066 Affinity Propagation Clustering Based on Variable-Similarity Measure ① ① ② Dong Jun Wang Suo-ping Xiong Fan-lun ① (Institute of Information Network, Nan Jing University of Posts Telecommunations, Nanjing 210003, China) ② (Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China) Abstract: Affinity Propagation (AP) clustering is not fit to deal with multi-scale data cluster as well as the arbitrary shape cluster issue. Therefore, an improved affinity propagation clustering algorithm AP-VSM (Affinity Propagation based on Variable-Similarity Measure) is proposed embarking from the token of data distribution characters. First, a kind of variable-similarity measure method is devised according of characters of global and local data distribution, which has the ability of describing the characters of data clustering effectively. Then AP-VSM clustering algorithm is propo