一种基于流形距离的迭代优化聚类算法

王娜 1; 杜海峰 2; 王孙安 1

您当前的位置：

首页 >

文章列表页 >

一种基于流形距离的迭代优化聚类算法

更新时间：2025-07-09

- 一种基于流形距离的迭代优化聚类算法
- Iterative Optimization Clustering Algorithm Based on Manifold Distance
- 西安交通大学学报 2009年43卷第5期页码：76-79
- 作者机构：
  
  西安交通大学机械工程学院,西安,710049
- 作者简介：
- 基金信息：
  
  : 2008-10-06. 作者简介: 王娜(1979-),女,讲师. 基金项目: 国家自然科学基金资助项目(50505034);教育部博士点新教师基金资助项目(20070698022)
- DOI：
  中图分类号： TP181
- 网络首发：2009-05-10，
  
  纸质出版：2009
- 稿件说明：
移动端阅览
王娜 1, 杜海峰 2, 王孙安 1. 一种基于流形距离的迭代优化聚类算法[J]. 西安交通大学学报, 2009,43(5):76-79.

Iterative Optimization Clustering Algorithm Based on Manifold Distance[J]. 2009, 43(5): 76-79.
王娜 1, 杜海峰 2, 王孙安 1. 一种基于流形距离的迭代优化聚类算法[J]. 西安交通大学学报, 2009,43(5):76-79. DOI：

Iterative Optimization Clustering Algorithm Based on Manifold Distance[J]. 2009, 43(5): 76-79. DOI：

摘要

针对传统欧氏距离测度描述复杂结构的数据分布会失效的问题

引入能有效反映样本集固有的全局一致性信息的流形距离作为样本间相似度度量测度

并设计了反映类内相似度大、类间相似度小的聚类目标的准则函数

把数据聚类转化成准则函数优化问题

提出了一种迭代优化的聚类算法.通过4个人工数据集的仿真试验结果表明

新方法的参数很少且实现简单

由于实现过程中没有引入随机操作

因此结果比较确定.与标准k均值算法相比

新方法能够自动确定聚类数目

对于样本空间分布复杂的聚类问题具有良好的分类效果.

Abstract

Aiming at the problem that classical Euclidean distance metric may be invalid when it is used to measure the complicated data structures

a manifold distance based on similarity metric and being able to measure the geodesic distance along the manifold is introduced

and a criterion function used to express the clustering target is designed

where the samples in the same cluster are somehow more similar than samples in different one. Accordingly

the clustering problem is converted to function optimization problem

and an iterative optimization clustering algorithm is proposed. The steps of the algorithm are discussed in detail. Simulation results on four artificial datasets with different manifold structures show that the new algorithm is more straightforward due to the less pre-defined parameters and it is a deterministic algorithm due to the lack of random operations. A comparison with k-means clustering algorithms indicates the ability to determine the cluster number automatically and identify complex non-convex clusters.

关键词

Keywords

references

DUDA R O, HART P E, STORK D G. Pattern classification [M]. New York, USA: Wiley, 2001:538-548.

SU Muchu, CHOU C H. A modified version of the k-means algorithm with a distance based on cluster symmetry [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23(6): 674-680.

ZHOU Dengyong, BOUSQUET O, LAL T N, et al. Learning with local and global consistency [C]∥Advances in Neural Information Processing Systems:16. Cambridge, USA: MIT Press, 2004:321-328.

TENENBAUM J B, DE SILVA V, LANGFORD J C. A global geometric framework for nonlinear dimensionality reduction [J]. Science, 2000, 290(550): 2319-2323.

SHAKHNAROVICH G, DARRELL T, INDYK P. Nearest-neighbor methods in learning and vision [M]. Cambridge, USA: MIT Press, 2005.

FLOYD R W. Algorithm 97: shortest path [J]. Communications of the ACM, 1962, 5(6): 345.

MACQUEEN J B.Some methods for classification and analysis of multivariate observations[C]∥The 5th Berkeley Symposium on Mathematical Statistics and Probability. Berkeley, USA: Univ of Calif Press, 1967: 281-297.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于聚类的多运行方式下电力系统稳定器设计

特征保持的点云精简技术研究

采用不确定性度量的粗糙模糊C均值聚类参数获取方法

利用频谱峰值特征的窄带频谱感知方法

三塔合一间接空冷系统结构参数对夏季运行特性的影响研究