一种快速A P聚类算法

山东大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (4): 20-23.

一种快速A P聚类算法

刘晓勇^1,2,3,付辉²

1. 中国科学院文献情报中心，北京 100190；
2. 广东技术师范学院计算机科学学院，广东广州 510665；
3. 中国科学院研究生院，北京 100049

收稿日期:2011-02-14 出版日期:2011-08-16 发布日期:2011-02-14
作者简介:刘晓勇(1979- ),男,河南信阳人,讲师,主要研究方向为智能优化算法,文本挖掘等. E-mail: lxyong420@126.com
基金资助:
广东高校优秀青年创新人才培养计划项目(LYM10097); 2011年广东技术师范学院科研项目(自然科学)

A fast affinity propagation clustering algorithm

LIU Xiao-yong^1,2,3, FU Hui²

1. National Science Library, Chinese Academy of Sciences, Beijing 100190, China;
2. Department of Computer Science, Guangdong Polytechnic Normal University, Guangzhou 510665, China;
3. Graduate University of Chinese Academy of Sciences, Beijing 100049, China

Received:2011-02-14 Online:2011-08-16 Published:2011-02-14

摘要/Abstract

摘要：

Affinity propagation(AP)聚类算法中的一个重要参数-收敛系数(damping factor)对算法的运行效率有较大影响,而传统的AP算法中收敛系数常作为固定参数在算法运行中保持不变,因此AP算法的收敛性能对收敛系数初始值的选择比较敏感,针对这一问题提出了一种新的AP聚类算法:F-AP,该算法在传统AP聚类算法基础上引入收缩因子调节收敛系数,使其值能够随算法进程动态调整,以加速AP算法的收敛过程。在3个不同容量模拟数据集上进行了实验,结果表明,新算法能够有效加速收敛过程,并且能够保证与原算法相同的聚类结果;在标准数据集Iris上的聚类结果也表明了新算法具有较好的收敛性能。

关键词: 振荡度, 聚类算法, 吸引-传播聚类算法, 收缩因子

Abstract:

An important parameter of affinity propagation algorithm (AP), damping factor, affects the speed of AP. Because the value of damping factor is fixed in traditional AP algorithm, the convergence performance of AP algorithm is sensitive to the parameter’s choosing. A novel and fast AP algorithm, F-AP, was proposed. The new algorithm used the constriction factor to regulate damping factor dynamically. Three datasets and iris dataset were used to compare AP and F-AP. The numerical results showed that F-AP could accelerate the convergence process effectively.

刘晓勇1,2,3,付辉2. 一种快速A P聚类算法[J]. 山东大学学报(工学版), 2011, 41(4): 20-23.

LIU Xiao-yong1,2,3, FU Hui2. A fast affinity propagation clustering algorithm[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2011, 41(4): 20-23.

参考文献

相关文章 5

[1]	吉兴全,韩国正,李可军,傅荣荣,朱仰贺. 基于密度的改进K均值聚类算法在配网区块划分中的应用[J]. 山东大学学报(工学版), 2016, 46(4): 41-46.
[2]	陈文强1,林琛1,2,陈珂3,陈锦秀1,邹权1,2*. 基于GraphLab的分布式近邻传播聚类算法[J]. 山东大学学报(工学版), 2013, 43(5): 13-18.
[3]	蒋盛益1,罗方伦1,余雯2. 基于视觉原理的密度聚类算法的改进[J]. 山东大学学报(工学版), 2011, 41(4): 85-90.
[4]	雷小锋1,庄伟1,程宇1,丁世飞1,谢昆青2. OPHCLUS:基于序关系保持的层次聚类算法[J]. 山东大学学报(工学版), 2010, 40(5): 48-55.
[5]	沙露1,2, 鲍培明1,2*, 李尼格1,2. 基于蚁群系统的聚类算法研究[J]. 山东大学学报(工学版), 2010, 40(3): 13-18.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed