.png){kind=icon}
返回
SDC: a parameter-free clustering algorithm for incomplete datasets
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.113363.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出了一种适用于缺失值不完整数据集的无参数聚类算法。
• 我们设计了一种单维策略，可移除插补过程，并实现在不完整数据上的决策图聚类。
• 我们引入了一种受引力启发（gravity-inspired）的机制来收缩聚类边界并增强可分性。
• 我们设计了一种轻量级批量密度估计方案，可显著降低计算复杂度。
• 广泛的实验表明，与代表性基线相比，SDC在NMI、ARI和Purity指标上分别提升了至少13.7%、23.8%和8.1%的聚类性能。
• 源代码公开在 https://github.com/DJLPKU/single_dimension_clustering 。
Keyword:
clustering
incomplete datasets
parameter-free
decision-graph
gravity-inspired mechanism
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
分享收藏分享收藏A survey of evidential clustering: Definitions, methods, and applications证据聚类研究综述: 定义、方法与应用.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏
查看更多内容