分类技术DSCM聚类算法的C语言实现
这类数据的度量只需要考虑向量数据的方向,数据本身无大小之分,只有方向或相对位置不同。这种特征使得聚类分析时可对数据向量做归一化处理。本文采用了基于方向相似性度量的聚类方法DSCM。 DSCM首先基于方向性度量构造目标函数,然后通过不动点迭代法对目标函数优化,获得各个样本的最终稳定状态,最后基于样本的最终状态集利用层次聚类技术实现聚类。相较于传统的聚类算法,由于DSCM在初始化时选定所有方向性数据点作为聚类中心,避免传统聚类算法中出现的对初始化敏感的缺点,且能自组织的求解最优聚类划分,其优势明显可见。
聚类算法 方向相似性 向量数据 不动点迭代法 目标函数 函数优化
万代红 齐明 万晓红
中国建设银行吉林市分行信息技术管理部 吉林 132000
国内会议
长春
中文
260-263
2006-10-01（万方平台首次上网日期，不代表论文的发表时间）