负投影梯度的特征权重Leader聚类算法

• 作 者: 隋玉敏 孙秀芳 武优西 任志考
• 机 构: 青岛科技大学信息科学技术学院,山东青岛,266061河北工业大学计算机科学与软件学院,天津300401;中国电信阜阳电信分公司,安徽阜阳236000;河北工业大学计算机科学与软件学院,天津,30040
• 出 处: 小型微型计算机系统
• 发表日期: 2014年9期
• 关键词: 聚类算法 负投影梯度 特征权重 Leader算法

Leader算法是一种基于粗糙集的层次聚类算法,其聚类过程中各维特征贡献作用均等,这样的处理方法降低了主要特征在聚类中的贡献作用,从而影响聚类的效果.采用负投影梯度法对各维特征的权重进行自适应学习,从而优化地获得各维特征的权值,进而建立了基于负投影梯度法的特征权重Leader聚类算法.该算法强化了重要特征在聚类过程中的作用.聚类结果用“熵”和“精度”来评价,实验结果证明,改进后的聚类算法能够改善聚类的效果,验证了本文方法的可行性与有效性.