基于依赖结构和Gibbs Sampling的离散数据聚类  

Clustering of Discrete Data Based on Dependency Structure and Gibbs Sampling

作　　者：王双成[1] 俞时权[1] 程新章[1] 

机构地区：[1]上海立信会计学院信息科学系

出　　处：《计算机工程》2006年第9期28-30,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60275026);上海市重点学科(第二期)基金资助项目(P1601);上海市教委重点基金资助项目(05zz66)

摘　　要：建立了一种新的离散数据聚类方法,该方法结合变量之间的依赖结构和Gibbs sampling进行离散数据聚类,能够显著提高抽样效率,并且避免使用EM算法进行聚类所带来的问题。试验结果表明,该方法能够有效地进行离散数据的聚类。in this paper, a new method of clustering discrete data is presented. The dependency structure is combined with the Gibbs sampling to cluster. The efficiency of sampling can be markedly improved and the problems resulted from EM algorithm can be avoided. Experimental results show that this method can effectively cluster discrete data.

关 键 词：聚类 离散数据 依赖结构 GIBBS抽样 MDL标准 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置]