基于空间向量分解的边界剥离密度聚类
文献类型：期刊论文
| 作者 | 张瑞霖; 郑海阳; 苗振国; 王鸿鹏 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2023 |
| 卷号 | 49期号:6页码:1195-1213 |
| 关键词 | 聚类 空间向量分解 边界剥离 投影子空间 高维 密度 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c220208 |
| 英文摘要 | 作为聚类的重要组成部分,边界点在引导聚类收敛和提升模式识别能力方面起着重要作用,以BP (Border-peeling clustering)为最新代表的边界剥离聚类借助潜在边界信息来确保簇核心区域的空间隔离,提高了簇骨架代表性并解决了边界隶属问题.然而,现有边界剥离聚类仍存在判别特征不完备、判别模式单一、嵌套迭代等约束.为此,提出了基于空间向量分解的边界剥离密度聚类(Density clustering based on the border-peeling using space vector decomposition,CBPVD),以投影子空间和原始数据空间为基准,从分布稀疏性(紧密性)和方向偏斜性(对称性)两个视角强化边界的细粒度特征,进而通过主动边界剥离反向建立簇骨架并指导边界隶属.与同类算法相比, 40个数据集(人工、UCI、视频图像)上的实验结果以及4个视角的理论分析表明了CBPVD在高维聚类和边界模式识别方面具有良好的综合表现. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56132]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 张瑞霖,郑海阳,苗振国,等. 基于空间向量分解的边界剥离密度聚类[J]. 自动化学报,2023,49(6):1195-1213. |
| APA | 张瑞霖,郑海阳,苗振国,&王鸿鹏.(2023).基于空间向量分解的边界剥离密度聚类.自动化学报,49(6),1195-1213. |
| MLA | 张瑞霖,et al."基于空间向量分解的边界剥离密度聚类".自动化学报 49.6(2023):1195-1213. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。