本文關(guān)鍵詞：快速大樣本同步聚類

  更多相關(guān)文章： 核密度估計(jì)(KDE) 抽樣 同步 大樣本 聚類

【摘要】：針對(duì)現(xiàn)有的Sync算法具有較高時(shí)間復(fù)雜度,在處理大樣本數(shù)據(jù)集時(shí)有相當(dāng)?shù)木窒扌?提出了一種快速大樣本同步聚類算法(Fast Clustering by Synchronization on Large Sample,FCSLS)。首先將基于核密度估計(jì)(KDE)的抽樣方法對(duì)大樣本數(shù)據(jù)進(jìn)行抽樣壓縮,再在壓縮集上進(jìn)行同步聚類,通過Davies-Bouldin指標(biāo)自動(dòng)尋優(yōu)到最佳聚類數(shù),最后,對(duì)剩下的大規(guī)模數(shù)據(jù)進(jìn)行聚類,得到最終聚類結(jié)果。通過在人造數(shù)據(jù)集以及UCI真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn),FCSLS可以在大規(guī)模數(shù)據(jù)集上得到任意形狀、密度、大小的聚類且不需要預(yù)設(shè)聚類數(shù)。同時(shí)與基于壓縮集密度估計(jì)和中心約束最小包含球技術(shù)的快速壓縮方法相比,FCSLS在不損失聚類精度的情況下,極大地縮短了同步聚類算法的運(yùn)行時(shí)間。
【作者單位】： 江南大學(xué)數(shù)字媒體學(xué)院;
【關(guān)鍵詞】： 核密度估計(jì)(KDE) 抽樣 同步 大樣本 聚類
【基金】：國家自然科學(xué)基金(No.61272210)
【分類號(hào)】：TP311.13
【正文快照】： 1引言無監(jiān)督、半監(jiān)督數(shù)據(jù)分析方法是數(shù)據(jù)挖掘領(lǐng)域的兩種主要方法,而無監(jiān)督方法通過對(duì)沒有概念標(biāo)記的樣本進(jìn)行學(xué)習(xí),以發(fā)現(xiàn)樣本中隱藏的結(jié)構(gòu)性知識(shí),適用性廣,難度較大,受到廣泛關(guān)注。聚類分析(Cluster Analysis)是一種對(duì)樣品或指標(biāo)進(jìn)行分類的多元統(tǒng)計(jì)分析方法,它們討論的對(duì)象是

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 宋銘利;高新科;;基于距離的最大聚類數(shù)探索算法的探討[J];礦山機(jī)械;2006年09期

2 田彥山;;基于山峰聚類的聚類上限確定方法[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

3 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學(xué)報(bào);2008年01期

4 于慧娟;崔軍;毋曉志;李偉;;一種改進(jìn)的凝聚圖聚類方法[J];山西煤炭管理干部學(xué)院學(xué)報(bào);2010年03期

5 崔軍;郭春艷;賈宗維;;一種連通非加權(quán)圖的快速聚類方法[J];計(jì)算機(jī)工程與應(yīng)用;2008年07期

6 岳清華;鄭剛;;一種動(dòng)態(tài)心電圖波形聚類策略的研究[J];天津理工大學(xué)學(xué)報(bào);2008年01期

7 張逸清;劉文才;;聚類數(shù)的確定[J];計(jì)算機(jī)與數(shù)字工程;2007年02期

8 劉燕馳;;基于密度的最佳聚類數(shù)確定方法[J];中國管理信息化;2011年09期

9 王洪春;彭宏;;一種基于熵的聚類算法[J];計(jì)算機(jī)科學(xué);2007年11期

10 宋銘利;高新科;;基于距離排序的無參化算法探討[J];拖拉機(jī)與農(nóng)用運(yùn)輸車;2006年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前9條

1 高翠芳;吳小俊;;基于二階差分的聚類數(shù)自動(dòng)確定方法[A];江蘇省系統(tǒng)工程學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

2 劉洋;江志綱;丁增喜;王大玲;鮑玉斌;于戈;;一種基于圖的聚類算法GB-Cluster[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2002年

3 李浪波;傅彥;劉紅;;基于范例推理的網(wǎng)格和密度聚類算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

4 婁冬梅;陳明;朱有娜;;一種基于密度的無參數(shù)聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

5 魏昕路;洪志令;姜青山;;一種基于樣本縮減策略的新窗口式聚類算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

6 程尊平;周鼎;王晨;周皓峰;汪衛(wèi);施伯樂;;SDPHC——基于密度的分割和分層的自校聚類算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

7 張曉峰;王麗珍;陸葉;;一種基于屬性加權(quán)的不確定K-means聚類算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

8 蔡軍;袁華鵬;陳金海;施伯樂;;一種基于相似性分析的聚類新算法:PDS算法[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2001年

9 胡仲義;郭超;王永炎;劉勝航;王宏安;;基于時(shí)間衰減和特征變量的數(shù)據(jù)流聚類算法[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王振佳;基于基因表達(dá)數(shù)據(jù)的雙聚類算法研究[D];山東大學(xué);2016年

2 胡雅婷;可能性聚類方法研究及應(yīng)用[D];吉林大學(xué);2012年

3 王縱虎;聚類分析優(yōu)化關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

4 周世兵;聚類分析中的最佳聚類數(shù)確定方法研究及應(yīng)用[D];江南大學(xué);2011年

5 楊燕;基于計(jì)算智能的聚類組合算法研究[D];西南交通大學(xué);2006年

6 馮永;基于計(jì)算智能的聚類技術(shù)及其應(yīng)用研究[D];重慶大學(xué);2006年

7 劉晨;高伸縮性聚類分析方法研究[D];哈爾濱工程大學(xué);2013年

8 王強(qiáng);局部疊加基因表達(dá)模式聚類分析方法研究[D];哈爾濱工業(yè)大學(xué);2012年

9 姜磊;混合演化聚類算法研究及其應(yīng)用[D];武漢大學(xué);2012年

10 尹學(xué)松;半監(jiān)督聚類分析策略設(shè)計(jì)及其拓展性研究[D];南京航空航天大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 牛品菽;基于圖模型的高效聚類算法研究[D];北京交通大學(xué);2016年

2 蔡洪山;大數(shù)據(jù)分析中的聚類算法研究[D];安徽理工大學(xué);2016年

3 宋建林;K-means聚類算法的改進(jìn)研究[D];安徽大學(xué);2016年

4 李衛(wèi)平;動(dòng)力學(xué)背景下的聚類算法研究[D];鄭州大學(xué);2007年

5 汪娟;基于權(quán)重設(shè)計(jì)的聚類集成算法研究[D];重慶大學(xué);2015年

6 王躍;聯(lián)合聚類算法研究及應(yīng)用[D];浙江大學(xué);2012年

7 趙一潔;Mean Shift聚類分析技術(shù)在安全人居中的應(yīng)用[D];長安大學(xué);2011年

8 戴濤;聚類分析算法研究[D];清華大學(xué);2005年

9 高f;基于密度聚類算法的改進(jìn)方法研究[D];大連理工大學(xué);2007年

10 吳書;類屬型數(shù)據(jù)的聚類算法研究[D];廈門大學(xué);2007年

，

本文編號(hào)：944586