基于概率模型的非均匀数据聚类算法

作者：杨天鹏; 陈黎飞^*

来源：计算机应用, 2018, 38(10): 2844-3029.

• 聚类
• 概率模型
• 非均匀数据
• 均匀效应

针对传统K-means型算法的"均匀效应"问题,提出一种基于概率模型的聚类算法。首先,提出一个描述非均匀数据簇的高斯混合分布模型,该模型允许数据集中同时包含密度和大小存在差异的簇;其次,推导了非均匀数据聚类的目标优化函数,并定义了优化该函数的期望最大化(EM)型聚类算法。分析结果表明,所提算法可以进行非均匀数据的软子空间聚类。最后,在合成数据集与实际数据集上进行的实验结果表明,所提算法有较高的聚类精度,与现有K-means型算法及基于欠抽样的算法相比,所提算法获得了5%～50%的精度提升。

• 单位
  福建师范大学