论文部分内容阅读
为获得更贴近于混合属性数据点集空间的相异性度量,从而探测出数据点集的更有意义的聚类分布,提出了一种可优化相异性度量的AffinityPropagation聚类算法(算法1)。接着对该聚类算法进行了必要的讨论,并给出其时间复杂度及收敛性分析。通过几个UCI标准数据集验证了该聚类算法有时能取得更好的聚类质量,从而说明该加权聚类算法具有一定的有效性。最后给出一个研究展望,为下一步的研究指明了方向。