-
题名CABOSFV算法中集合稀疏差异度阈值确定方法
- 1
-
-
作者
宋艳
肖乾
-
机构
哈尔滨工程大学经济管理学院
中国船舶重工集团公司
-
出处
《舰船科学技术》
北大核心
2006年第1期99-102,共4页
-
文摘
在实际应用中,CABOSFV算法初始参数———集合稀疏差异度阈值b的确定是否合理,对聚类结果是否有效起决定作用。本文针对如何科学方便地确定集合稀疏差异度阈值b进行了深入研究,给出了集合稀疏差异度阈值确定方法,并通过该方法进行了实例计算。计算结果表明,由于该方法能够确定聚类结果中类的对象组成最小数量,聚类结果的粗糙与精细程度可以人为控制,对聚类结果的准确及高效提供了很好的保证,能够为CABOSFV算法进行聚类提供合理的阈值。
-
关键词
聚类
cabosfv算法
集合稀疏差异度
阅值
-
Keywords
cluster
cabosfv algorithm
set-square-difference
threshold
-
分类号
O144
[理学—基础数学]
-
-
题名考虑数据排序的改进CABOSFV聚类
被引量：2
- 2
-
-
作者
武森
王静
谭一松
-
机构
北京科技大学经济管理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第34期127-129,共3页
-
基金
国家自然科学基金(No.70771007)
中央高校基本科研业务费专项资金资助(No.FRF-TP-10-006B)~~
-
文摘
CABOSFV是基于稀疏特征进行高维数据聚类的高效算法,但算法的聚类质量受数据输入顺序的影响。针对此问题,提出考虑数据排序的改进CABOSFV聚类(CABOSFV_CS),通过定义稀疏性指数来描述数据的稀疏特征,并按照稀疏性指数升序对数据进行排序以改进CABOSFV算法的聚类质量。采用UCI基准数据集进行实验,结果表明与传统的CABOSFV算法相比,CABOSFV_CS有效地提高了聚类准确率。
-
关键词
cabosfv算法
高维数据
稀疏特征
聚类
-
Keywords
cabosfv algorithm
high dimensional data
sparse feature
clustering
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
