基于多層核心集的凝聚聚類算法.pdf

1、聚類分析是無監(jiān)督模式分類的一個重要組成部分，也成為現(xiàn)代數(shù)據(jù)分析中越來越重要的一個工具。初始條件、相似性準則和聚類準則的不同產(chǎn)生的聚類算法也不盡相同。因此，聚類算法是一個內(nèi)容龐雜的大家族。至今，眾研究學者也提出了多種多樣的聚類算法。
　　許多經(jīng)典的聚類算法，如平均鏈接、K-means、K-medoids、Clara、Clarans等，都是利用單一的聚類中心進行聚類。為克服單一聚類中心只能描述凸狀聚類的缺陷，CURE、DBSCAN等算

2、法使用多個代表點（或稠密點）表述任意形狀的聚類結(jié)構(gòu)，但仍難以聚類重疊和噪聲數(shù)據(jù)。為此，本文提出一種新的基于多層“聚類中心”（稱為“核心集”）的凝聚聚類算法（MulCA）。該算法創(chuàng)新性地使用了“多層核心集”表述聚類結(jié)構(gòu)，使得每一層數(shù)據(jù)集向其“核心集”凝聚，同時上層的“核心集”自動成為下層的數(shù)據(jù)集，隨著每層核心集規(guī)模按α比例迅速減少，控制了凝聚過程的迭代次數(shù)。
　　由于現(xiàn)代社會的快速發(fā)展，大規(guī)模數(shù)據(jù)已經(jīng)成為需要處理數(shù)據(jù)的主要成員，為此