换一批属性样本同步粒化的AP熵加权软子空间聚类算法
Entropy Weighting AP Algorithm for Subspace Clustering Based on Asynchronous Gran-ulation of Attributes and Samples
摘要仿射传播（Affinity propagation ，AP）聚类算法是将所有待聚类对象作为潜在的聚类中心，通过对象之间传递的可靠性和有效性信息找到合适的聚类中心，从而计算出相应的聚类结果，但不适用子空间聚类。将粒度计算引入到仿射传播聚类算法中，提出属性与样本同步粒化的AP熵加权软子空间聚类算法（Entropy weighting AP algorithm for subspace clustering based on asynchronous granulation of at‐tributes and samples ，EWAP）。EWAP首先去除冗余属性，然后在每次聚类的迭代过程中修改属性的权重值。在满足一定条件迭代终止时，就会得到构成各兴趣度子空间的属性权重值，从而得到属性集的粒化结果以及相应的子空间聚类结果。理论与实验证明EWAP算法既保留了AP算法的优点，又克服了该聚类算法不能进行子空间聚类的不足。
更多相关知识
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
