点击次数：

论文类型：期刊论文

发表时间：2015-01-30

发表刊物：南京大学学报（自然科学版）

收录刊物：PKU、ISTIC、CSCD

卷号：51

期号：1

页面范围：197-205

ISSN号：0469-5097

关键字：NP-难解;启发式算法;近似骨架;不确定数据聚类

摘要：不确定数据聚类是传统数据挖掘的扩展，面对不确定数据聚类，研究者们经常把聚类问题描述成组合优化问题，并设计启发式聚类算法进行求解。现有的启发式聚类算法，如 UK-means 和 UK-Medoids 具有容易理解和实现简单等优点，但初始解敏感问题严重影响了聚类质量。本文在近似骨架理论的基础上，提出了一种近似骨架启发式聚类算法APPGCU(Approximate backbone guided heuristic clustering algorithm for uncertain data)。该算法首先对原数据集完成P次采样，在采样后的规模较小的P 个数据集上分别执行 UK-Medoids 算法得到P 个局部最优解；然后通过对P个局部最优解求交得到近似骨架，并从中提取初始簇心；最后从初始簇心开始，启发式搜索出聚类结果。在仿真和实际数据集中的实验结果表明，算法 APPGCU 的聚类结果明显高于实验对比的启发式聚类算法，提高了聚类质量。