摘要:
针对近邻传播算法无法有效处理高维数据而导致聚类效果不佳的问题, 提出一种基于奇异值分解的自适应近邻传播(SVD-SAP)聚类算法. 通过引入奇异值分解, 对高维数据进行重构、 降维, 消除冗余信息, 并在此基础上采用非线性函数策略, 自适应地调整阻尼系数, 提高算法的聚类性能. 仿真实验结果表明, 与已有算法相比, 该改进算法聚类精度更高, 收敛速度更快.
中图分类号:
王丽敏, 姬强, 韩旭明, 黄娜. 基于奇异值分解的自适应近邻传播聚类算法[J]. 吉林大学学报(理学版), 2014, 52(04): 753-757.
WANG Limin, JI Qiang, HAN Xuming, HUANG Na. Selfadaptive Affinity Propagation Clustering AlgorithmBased on Singular Value Decomposition[J]. Journal of Jilin University Science Edition, 2014, 52(04): 753-757.