基于核函数和相似度的动态聚类算法  

Dynamic Clustering Algorithm Based on Kernel Function and Similarity

作　　者：朱根标[1] 张凤鸣[1] 董群立 

机构地区：[1]西安空军工程大学工程学院 [2]解放军93320部队

出　　处：《微电子学与计算机》2006年第3期178-179,184,共3页Microelectronics & Computer

摘　　要：提出了基于最优超球面与支持向量机思想的动态聚类算法。该方法借鉴了最优超球面思想,通过构造一个二次规划问题,运用支持向量代替样本构造相似度度量矩阵,从而解决了不确定问题维度对计算复杂性的影响。仿真试验表明:该方法可以解决相互缠绕和凹聚类问题,并具有较好的抗干扰能力。A new method of dynamic clustering based on the idea of optimal hypersphere and support vector machine. Through adopting the ideas of optimal hypersphere and constructing a quadratic programming problem, we can construct a similarity measurement matrix by support vectors taking place of samples, which can solve uncertain problem dimensianality. The simulation results show that the method can solve the problem of mutual-voluble clustering and concave clustering and have anti-jamming capability.

关 键 词：支持向量数据描述 动态聚类 基于相似度的方法 二维稀疏矩阵 权系数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]