针对复杂的高维数据，提出了基于持续同调的聚类(PHBC)算法.该算法从拓扑学的角度处理数据，通过使用单纯复形来计算不同种类样本的拓扑特征，将拓扑特征转化为持续同调信息，再将持续同调信息转化为向量形式作为聚类算法的输入，使得传统聚类算法能够处理高维度的数据.实验结果表明：PHBC算法能够应对并处理多种复杂的高维数据，与多个经典的聚类方法相比，在多种聚类指标上均有一定程度的提升，并且指标的标准差更小，即聚类结果的稳定性更高.
科研之友
微信
新浪微博
Facebook
分享链接
