基于网络社团划分方法的多维数据聚类研究

TP311; 为了解决传统聚类方法在多维数据集中聚类效果不佳的问题,提出将网络社团划分的方法应用到多维数据聚类分析中.对于一个多维数据集,首先对分析对象进行特征提取,构建出每个对象的特征向量,通过计算皮尔森相关系数来度量不同特征向量之间的相似性,从而构建出一个相似性网络,采用Blondel算法对该网络进行社团划分达到聚类的效果.实验结果表明,该方法可以在多维数据聚类中得到较好的聚类结果,准确率达到92.5％,优于K-means算法的75％....

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 37; no. 2; pp. 421 - 423
Main Authors 吴行斌, 郭强, 张林兵, 梁耀洲, 刘建国
Format Journal Article
LanguageChinese
Published 上海理工大学 复杂系统科学研究中心,上海,200093%上海财经大学 会计学院,上海,200433 2020
Subjects
聚类
多维数据
社团划分
相似性
Online AccessGet full text

Cover

More Information
Summary:TP311; 为了解决传统聚类方法在多维数据集中聚类效果不佳的问题,提出将网络社团划分的方法应用到多维数据聚类分析中.对于一个多维数据集,首先对分析对象进行特征提取,构建出每个对象的特征向量,通过计算皮尔森相关系数来度量不同特征向量之间的相似性,从而构建出一个相似性网络,采用Blondel算法对该网络进行社团划分达到聚类的效果.实验结果表明,该方法可以在多维数据聚类中得到较好的聚类结果,准确率达到92.5％,优于K-means算法的75％.
ISSN:1001-3695
DOI:10.19734/j.issn.1001-3695.2018.07.0522