覆盖聚类算法  

Covering clustering algorithm

作　　者：赵姝[1] 张燕平[1] 张铃[1] 张媛[1] 陈传明[1] 

机构地区：[1]安徽大学计算智能与信号处理教育部重点实验室,安徽合肥230039

出　　处：《安徽大学学报（自然科学版）》2005年第2期28-32,共5页Journal of Anhui University(Natural Science Edition)

基　　金：国家自然科学基金资助项目 ( 60135010;60175018 );安徽省教育厅自然科学研究基金资助项目(2003kj007)

摘　　要：首先比较几类主要的聚类算法,给出每类算法的基本概念、原理、每类的代表性算法,及这些算法的主要特征。在此分析基础上,提出一种新的聚类算法———覆盖聚类算法,该算法采用覆盖的概念将比较集中的样本聚合在一起,从而发现隐含在样本集中的类,对于周围稀疏的样本结合最短距离法,获得聚类效果,并用实验数据对分层聚类方法、LBG方法与覆盖聚类算法进行比较,证明了覆盖聚类算法的可行性和有效性。最后给出了算法的研究方向。This paper firstly compares some main clustering algorithms. It presents the basic concepts, principles of each algorithm and representative clustering methods of each category algorithms, it compares the main characters of these algorithms. A new clustering algorithm,covering clustering algorithm is put forward in this paper. It uses the ideas of covering clustering the relatively dense samples,which are clusters.For the sparse samples, we use the method of the shortest distance interlinking them to achieve the results, we also compare the hierarchical clustering methods,LBG method and covering clustering method with experimental results. And the results show the feasibility and effectiveness of the covering clustering algorithm. Finally, this paper points out the research directions of the algorithm.

关 键 词：聚类算法 覆盖聚类 分层聚类 计算方法 关联距离法 LBG方法 计算机技术 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]