Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2015-01-30

Journal: 南京大学学报（自然科学版）

Included Journals: CSCD、ISTIC、PKU

Volume: 51

Issue: 1

Page Number: 197-205

ISSN: 0469-5097

Key Words: NP-难解;启发式算法;近似骨架;不确定数据聚类

Abstract: 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。