非线性流形上的线性结构聚类挖掘

作     者：王力 吴成东 陈东岳 李孟歆 陈莉 

作者机构：东北大学信息科学与工程学院沈阳110819 沈阳建筑大学信息与控制工程学院沈阳110168 

基　　金：国家自然科学基金(61005032) 辽宁省自然科学基金(20102062) 沈阳市科学计划项目(F10-147-9-00) 中央高校基本科研业务费项目(N100604018)资助 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2012年第38卷第8期

页      码：1308-1320页

摘      要：针对非线性数据流形的线性结构挖掘问题,提出一种基于Grassmann流形和蚁群方法的聚类算法.为抑制噪声对线性结构探测的影响,对含噪数据集进行算法处理最小单元提升,利用Grassmann流形定义提升后单元间相似度,同时设计了一种类测地距离作为簇连通性约束.为提高蚁群解的线性结构挖掘质量,提出了曲面复杂度最小方向定义,并将其作为信息素更新的启发信息引入.在多个数据集上的实验和分析表明,与K-means、Geodesic K-means以及有限混合模型(Finite mixture model,FMM)等传统算法相比,本文算法具备挖掘非线性流形上线性结构的新特性,并且能够保证线性结构内部的连通性.

主 题 词：数据流形 线性结构 Grassmann 流形 蚁群聚类 流形假设 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 

核心收录：

D　O　I：10.3724/sp.j.1004.2012.01308

馆 藏 号：203279825...