方向相似性聚类方法DSCM

作者：修宇; 王士同; 吴锡生; 胡德文

来源：Z200608018, 2006, (08): 1425-1431.

• 方向相似性
• 鲁棒聚类算法
• 聚类有效性 directional similarity
• robust clustering algorithm
• clustering validity

针对方向性数据提出了一种鲁棒的基于方向相似性度量的聚类方法DSCM·DSCM首先基于方向性度量构造目标函数,然后通过不动点迭代法对目标函数优化,获得各个样本的最终稳定状态,最后基于样本的最终状态集利用层次聚类技术实现聚类·DSCM的优势在于对方向性数据聚类时不依赖于具体的初始化参数,且能自组织地求解最优聚类划分因而有很好的鲁棒性·通过实验证实了DSCM的有效性以及对已有的两个传统方向性聚类算法的优越性·

• 单位
  江南大学; 国防科学技术大学; 自动化学院; 模式识别国家重点实验室; 中国科学院自动化所; 南京理工大学