基于稳定阈值的吸引子传播算法  

Stability Threshold-Based Affinity Propagation Algorithm

作　　者：王丽敏[1] 王依章 韩旭明[2] 黄娜[3] 

机构地区：[1]吉林财经大学管理科学与信息工程学院,长春130117 [2]长春工业大学计算机科学与工程学院,长春130012 [3]上海财经大学信息管理与工程学院,上海200433

出　　处：《吉林大学学报（理学版）》2014年第6期1249-1254,共6页Journal of Jilin University:Science Edition

基　　金：国家自然科学基金(批准号:61202306;61472049;61402193);教育部规划项目(批准号:13YJAZH130);吉林省科技厅项目(批准号:20100507;201215119;20130522177JH;20130101072JC);吉林省教育厅重点规划项目(批准号:2012185;2012189);吉林省高校新世纪优秀人才支持计划项目(批准号:2014159);吉林省社会科学基金(批准号:2014B166)

摘　　要：针对传统吸引子传播算法(AP)聚类性能受偏向参数影响较大的问题,提出一种改进的吸引子传播算法,即基于稳定阈值的吸引子传播聚类算法(STAP).该算法通过稳定阈值,衡量获得真实类数时的收敛状态,然后捕捉该状态下的偏向参数;为加快算法的收敛速度,采用S型函数作为收敛因子调节阻尼系数.仿真模拟实验结果表明,与传统吸引子传播聚类算法相比,基于稳定阈值的吸引子传播聚类算法聚类精度更高,收敛速度更快.In view of the performance of traditional affinity propagation algorithm greatly influenced by parameter P ,a novel affinity propagation algorithm based on stability threshold was proposed.The improved algorithm can obtain the convergence of the real class number by stabilizing threshold,and then gain the corresponding parameter P .In order to improve the convergence speed,S function as convergence factor was applied to adjust damp parameter.In addition,it was successfully applied to the field of financial evaluation of listed companies.Simulation experimental results show that the improved clustering algorithm could obtain better precision and quicker convergence,and is obviously better than traditional affinity propagation clustering algorithm.

关 键 词：吸引子传播算法 稳定阈值 收敛因子 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]