聚类算法综述

论文摘要

大数据时代,聚类这种无监督学习算法的地位尤为突出。近年来,对聚类算法的研究取得了长足的进步。首先,总结了聚类分析的全过程、相似性度量、聚类算法的新分类及其结果的评价等内容,将聚类算法重新划分为大数据聚类与小数据聚类两个大类,并特别对大数据聚类作了较为系统的分析与总结。此外,概述并分析了各类聚类算法的研究进展及其应用概况,并结合研究课题讨论了算法的发展趋势。

论文目录

• 0 引言
• 1 聚类分析过程
•   1.1 特征选择或变换
•   1.2 聚类算法选择或设计
•   1.3 聚类结果评价与物理解析
• 2 相似性度量
•   2.1 连续性变量的相似性度量
•     1) 欧氏距离 （Euclidean Distance） 。
•     2) 切比雪夫距离 （Chebyshev Distance） 。
•     3) 曼哈顿距离 （Manhattan Distance） 。
•     4) 闵可夫斯基距离 （Minkowski Distance） 。
•     5) 马氏距离 （Mahalanobis Distance） 。
•     6) 对称点距离 （Point Symmetry Distance） 。
•     7) 相关系数 （Correlation Coefficient） 。
•     8) 余弦相似度 （Cosine Similarity） 。
•   2.2 离散变量的相似性度量
•     2.2.1 二值变量的相似性度量方法
•     2.2.2 多值变量的相似性度量方法
•   2.3 混合变量的相似性度量
• 3 聚类算法分类
• 4 小数据聚类算法
•   4.1 传统聚类
•     4.1.1 划分聚类
•     4.1.2 层次聚类
•   4.2 智能聚类
•     4.2.1 人工神经网络聚类
•     4.2.2 核聚类
•     4.2.3 序列数据聚类
•     4.2.4 复杂网络聚类
•     4.2.5 智能搜索聚类
• 5 大数据聚类算法
•   5.1 分布式聚类
•   5.2 并行聚类
•   5.3 高维聚类
• 6 算法对比分析
• 7 聚类结果评价
• 8 结语

文章来源

类型: 期刊论文

作者: 章永来,周耀鉴

关键词: 聚类,相似性度量,大数据聚类,小数据聚类,聚类评价

来源: 计算机应用 2019年07期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 中北大学软件学院

基金: 国家自然科学基金资助项目(6160051296)~~

分类号: TP311.13

页码: 1869-1882

总页数: 14

文件大小: 837K

下载量: 5391