• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >K-Nearest Neighbor Intervals Based AP Clustering Algorithm for Large Incomplete Data
【24h】

K-Nearest Neighbor Intervals Based AP Clustering Algorithm for Large Incomplete Data

机译：基于K最近邻区间的大不完整数据AP聚类算法

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The Affinity Propagation (AP) algorithm is an effective algorithm for clustering analysis, but it can not be directly applicable to the case of incomplete data. In view of the prevalence of missing data and the uncertainty of missing attributes, we put forward a modified AP clustering algorithm based on K-nearest neighbor intervals (KNNI) for incomplete data. Based on an Improved Partial Data Strategy, the proposed algorithm estimates the KNNI representation of missing attributes by using the attribute distribution information of the available data. The similarity function can be changed by dealing with the interval data. Then the improved AP algorithm can be applicable to the case of incomplete data. Experiments on several UCI datasets show that the proposed algorithm achieves impressive clustering results.
机译：相似性传播（AP）算法是一种有效的聚类分析算法，但不能直接应用于数据不完整的情况。针对丢失数据的普遍性和丢失属性的不确定性，针对不完整数据，提出了一种基于K最近邻区间（KNNI）的改进AP聚类算法。基于改进的部分数据策略，该算法通过使用可用数据的属性分布信息来估计缺少属性的KNNI表示。可以通过处理间隔数据来改变相似度函数。改进后的AP算法可以适用于数据不完整的情况。在几个UCI数据集上的实验表明，该算法取得了令人印象深刻的聚类结果。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2015年第17期|535932.1-535932.9|共9页
  • 作者

    Lu Cheng; Song Shiji; Wu Cheng;

  • 作者单位

    Army Aviat Inst, Beijing 101123, Peoples R China.;

    Tsinghua Univ, Dept Automat, Beijing 100084, Peoples R China.;

    Tsinghua Univ, Dept Automat, Beijing 100084, Peoples R China.;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号