|
|
1.
适用于区间数据的基于相互距离的相似性传播聚类
谢信喜 王士同
计算机应用
符号聚类是对传统聚类的重要扩展，而区间数据是一类常见的符号数据。传统聚类中使用的对称性度量不一定适用于度量区间数据,且算法初始化也一直是干扰聚类的严重问题。因此，提出了一种适用于区间数据的度量--相互距离，并在此度量的基础上采用了一种全新的聚类方法--相似性传播聚类，解决了初始化干扰问题，从而得出了适用于区间数据的基于相互距离的相似性传播聚类。通过理论阐述和实验比较，说明了该算法比基于欧氏聚类的K-均值算法要好。
相关文章 |
多维度评价
|
|
