摘要:
基于传统吸引子传播算法, 通过样本特征赋权, 克服冗余信息的影响及给出新的相似性度量方法等策略, 提出一种基于变异系数赋权的吸引子传播算法. 实验结果表明, 该算法在处理属性较多、 信息重叠的样本时, 不仅具有吸引子传播算法的快速、 高效聚类特征, 且聚类性能明显优于传统吸引子传播算法和K-均值等经典聚类算法.
中图分类号:
韩旭明, 孙海波, 王丽敏. 基于变异赋权的吸引子传播算法[J]. 吉林大学学报(理学版), 2014, 52(03): 551-555.
HAN Xuming, SUN Haibo, WANG Limin. Affinity Propagation Algorithm Based onCoefficient of Variation Weighting[J]. Journal of Jilin University Science Edition, 2014, 52(03): 551-555.