...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Studies in Informatics and Control >Constraint Rules and Matching Micro-clusters Based Affinity Propagation Clustering Algorithm
【24h】

Constraint Rules and Matching Micro-clusters Based Affinity Propagation Clustering Algorithm

机译：基于约束规则和匹配的基于微簇的关联传播聚类算法

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 performance of original affinity propagation (AP) clustering algorithm is greatly influenced by an important parameter: preference (median of similarities between data points), and it may be difficult to identify complex structure data. To address the afore-mentioned issues, this paper proposes two novel methods namely the constraint rules-based affinity propagation (CRAP) and matching micro-clusters hierarchical clustering algorithm (MMHC). The CRAP algorithm can obtain better results by searching the optimal preference value by means of the constraint rules-based search algorithm (CRS). The MMHC algorithm initially takes results of AP as micro-clusters, then they are matched in order to achieve the right partitions of complex structure data. Experimental results demonstrate that the improved clustering algorithm performs better than AP.
机译：原始关联传播（AP）聚类算法的性能受到重要参数的大大影响：偏好（数据点之间的相似性中位数），并且可能难以识别复杂的结构数据。为了解决上述问题，本文提出了两种新方法，即基于约束规则的关联传播（CRAP）和匹配的微集群分层聚类算法（MMHC）。通过基于约束规则的搜索算法（CRS）来搜索最佳偏好值，CRAP算法可以获得更好的结果。 MMHC算法最初采用AP的结果作为微集群，然后它们匹配以实现复杂结构数据的右分区。实验结果表明，改进的聚类算法比AP更好。

著录项

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