具有加权特性的弹性网络聚类算法研究

摘要：

聚类分析是数据挖掘中重要内容之一,也是人们分析数据的重要工具.针对聚类分析中存在易受噪声干扰、高维数据聚类结果不佳等问题,对弹性网络进行了加权聚类方向的研究.该算法考虑到数据集中各特征属性在聚类过程中不同的重要程度,重新构造关联数据点、聚类中心点的能量函数,利用弹性网络算法的求解模式,结合极大熵原理、模拟退火思想,提出一种具有加权特性的弹性网络聚类算法.该算法无需人工指导训练,便可以自学习地求解出高质量的聚类结果.通过不同维度、不同数量级的随机数据集和UCI真实数据集仿真实验,验证了算法的有效性和稳定性.相较于传统聚类算法,该算法显著提高了聚类质量.

关键词：聚类分析、数据挖掘、弹性网络、加权、统计力学

所属期刊栏目：56

分类号：TP274(自动化技术及设备)

资助基金：北京市教委科研计划资助项目;北京市自然科学基金;国家自然科学基金;北京市优秀人才项目;北京建筑大学科研基金;北京建筑大学市属高校基本科研业务费专项资金;北京建筑大学建筑大数据智能处理方法研究北京市重点实验室资助项目

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：55-65