基于PCA的仿射传播聚类算法  

Affinity propagation clustering algorithm based on principal components analysis

作　　者：宋坤[1] 李丽娟[1] 赵英凯[1] 

机构地区：[1]南京工业大学自动化与电气工程学院,南京210009

出　　处：《计算机工程与应用》2011年第34期212-214,共3页Computer Engineering and Applications

基　　金：江苏省自然科学基金(No.BK2009356);江苏省高校自然科学基金(No.09KJB510003);南京工业大学青年教师学术基金(No.39710005)

摘　　要：仿射传播聚类是一种快速有效的聚类方法。但对高维数据进行聚类时,由于数据信息的重叠,聚类结果往往会有较大误差。针对这个问题,提出了把主元分析(PCA)和仿射传播(AP)聚类相结合的PCA-AP算法,在保留原变量绝大部分信息的情况下对数据进行降维处理,然后在低维空间中用仿射传播聚类的方法进行聚类。由于剔除了冗余信息,算法得到的分类结果更加准确。实验结果表明该算法是有效的。Affinity propagation clustering is a fast and efficient clustering algorithm.However,because of the overlap of the data information,error of clustering is biggish when it is applied to high-dimensional data.Concerning this problem,a new method combining Principal Components Analysis（PCA） and Affinity Propagation（AP） clustering is proposed.In this method, dimensionality of the original data is reduced on the premise of reserving most information of the variables.Then,AP clustering is implemented in the low-dimensional space.Thus,because the redundant information is deleted,the classification is accurate. The experimental results of the experiment explain that this method is effective.

关 键 词：仿射传播聚类 主元分析 PCA-AP算法 降维 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]