基于Hubness现象的高维数据混合聚类算法

作者：王妍; 马燕; 黄慧; 李顺宝; 张玉萍

来源：电视技术, 2019, 43(06): 17-23.

DOI：10.16280/j.videoe.2019.06.004

• 高维数据
• 聚类
• Hubness现象
• 层次聚类
• K-means算法

高维数据聚类是聚类分析中的难点。K-hubs聚类算法是在K-means方法基础上,结合高维数据空间的Hubness现象对数据进行聚类。针对K-hubs聚类算法需要随机确定初始聚类中心,不适用于非超球状簇等问题,本文提出了基于多阶段层次聚类和划分聚类的高维数据混合聚类算法。该算法将数据点按其Hub值分为Hub点,Midhub点和Antihub点三类,然后对Hub点和Midhub点分别采用层次聚类,接着进一步采用层次聚类合并簇,最后,对Antihub点利用划分聚类合并到最近的簇。在UCI数据集上的实验结果表明,与其它最新的聚类算法相比,本文提出的算法在高维数据集上得到了较好的聚类结果。

• 单位
  上海师范大学; 机电工程学院