研究文章雷竞技app下载苹果版

高维数据中的一种新的集体邻居聚类方法

摘要

由于这些数据的稀疏性越来越大，以及区分数据点之间距离的难度越来越大，聚类变得越来越困难。提出的方法称为“核技巧”和“集体邻居聚类”，它将数据点对之间的对应关系作为输入度量。实值集线器在数据点之间交换，直到一组高质量的模式和相应的集群逐渐出现。通过证明中心度是高维信息聚类中点中心性的高质量度量，并通过提出几种基于中心度的聚类算法来验证我们的理论，表明主枢纽可以有效地用作聚类原型或在搜索基于中心的聚类模式时作为指南。实验结果表明，我们提出的算法在多种情况下性能良好，主要集中在大量重叠噪声。所提出的方法主要用于检测近似超球形聚类，需要进行扩展以正确处理任意形状的聚类。

Sudha。N, Sneka Arulraj

阅读全文下载全文|访问全文