基于信息理论的合作聚类算法研究

摘要：

传统的聚类算法是针对一个独立数据集的学习分类算法,如FCM(Fuzzy-C-Means)聚类算法.在现实生活中,一个数据集独立于其它数据集,而往往通过与别的数据集交换信息与之相互合作.因此在聚类过程中,需要考虑来自其它数据集的影响,从而得到更能反映现实的数据结构.该文提出了一种基于信息理论的信息增益方法来建模并定量分析多个数据集间的合作关系.在此基础上,导出了相应的新合作聚类算法CCA(Cooperative Clustering Algorithm).理论分析表明该算法最终收敛.实验结果也进一步表明了该合作聚类算法的可行性与有效性.

关键词：信息论、聚类、模糊、模式识别

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：中-法合作项目PRA SI 03-02

在线出版日期：2005-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1287-1294