.png){kind=icon}
返回
Density-based clustering method with adaptive neighbors
.png){kind=icon}
PRE
AI
DOI：10.1080/02664763.2025.2593320.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于图的方法通过利用数据点之间的邻域关系对数据进行划分。这些方法通常对预定义的相似度矩阵敏感。为了实现自适应和最优的聚类，近期研究引入了自动学习自适应邻域的技术。然而，这些方法仍然依赖于一个关键参数：邻域数量，该参数必须预先指定。为解决此局限性，本文提出了一种新型目标函数，将密度度量整合到自加权自适应邻域聚类框架中。全面的分析和实验结果证明，所提出的方法对邻域数量的敏感性降低，并且相比几种现有的聚类算法实现了更优的性能。此外，它保留了自加权自适应邻域聚类的基本优势。
Keyword:
Clustering with adaptive neighbors
average filter
density measure
noisy data
self-weighted clustering
期刊
J
IF:
1.1
论文数:
133
被引数:
4.2K
机构
引用论文
分享收藏Clustering and projected clustering with adaptive neighbors.png)
Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏The Use of Ranks to Avoid the Assumption of Normality Implicit in the Analysis of Variance使用秩来避免方差分析中隐含的正态性假设
PREAI
分享收藏
查看更多内容