-
题名面向高维的共享近邻聚类内部指标
被引量：1
- 1
-
-
作者
张龙义
钟才明
-
机构
宁波大学信息科学与工程学院
宁波大学科学技术学院
-
出处
《计算机应用》
CSCD
北大核心
2021年第S01期93-100,共8页
-
基金
国家自然科学基金面上项目(61976134)。
-
文摘
针对因使用基于距离的相似性度量,传统聚类内部指标随着数据维数的增加而性能下降的问题,提出了一种基于共享近邻相似度的聚类内部指标。首先,利用共享近邻相似度和k最近邻(kNN)方法,估计数据点的密度,构建融合密度的共享近邻相似度图。然后,根据融合密度的共享近邻相似度图,利用最大流算法,计算出类内相似度和类间分离度,并结合两者计算出聚类内部指标。通过对人工数据集和真实数据集的测试表明,与9个基于距离的传统聚类内部指标相比,该指标能更准确评估数据集的最佳划分和预测数据集的最佳类数。因此,该指标处理复杂类结构和高维数据的能力优于所对比的其他聚类内部指标。
-
关键词
聚类内部指标
聚类
共享近邻相似度
高维诅咒
有效性指标
-
Keywords
clustering internal index
clustering
shared nearest-neighbor similarity(snn)
curse of dimensionality
validity index
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的多扩展目标PHD滤波算法
- 2
-
-
作者
彭聪
王杰贵
朱克凡
程泽新
-
机构
国防科技大学电子对抗学院
-
出处
《现代防御技术》
2019年第1期97-104,110,共9页
-
文摘
在扩展目标产生量测密度差异较大的情况下,传统的基于距离划分的多扩展目标高斯混合概率假设密度(ET-GM-PHD)滤波算法计算量大,跟踪效果不佳。针对这个问题,提出了一种改进的ET-GM-PHD滤波算法,该算法首先通过局部异常因子(LOF)检测对量测集进行杂波的滤除,然后采用共享最近邻(SNN)相似度为量测划分准则。SNN相似度体现了量测分布的局部信息,考虑了量测周围的量测信息,因此利用SNN相似度划分量测密度差别较大的量测集时,划分效果比较理想。提出的算法相较于传统算法,减少了运行时间,提升了跟踪的稳定性。
-
关键词
目标跟踪
扩展目标
多扩展目标高斯混合概率假设密度滤波器
量测划分
局部异常因子
共享最近邻相似度
-
Keywords
target tracking
extended target
multi extended target Gauss mixture probability hypothesis density(ET-GM-PHD) filter
measurement division
local outlier factor(LOF)
shared nearest neighbor(snn) similarity
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
TN713
[电子电信—电路与系统]
-
