Structure-aware granular ball clustering

doi:10.1016/j.ins.2026.123224

Structure-aware granular ball clustering

2026-02-01

0

PRE

AI

DOI：10.1016/j.ins.2026.123224

原文链接

原文求助

摘要

En 中文

在大型数据日益普及的背景下，传统聚类算法在计算效率和结构表示能力方面面临显著瓶颈。本文提出了一种结构感知的粒度球聚类方法（SAGBC）。SAGBC框架首次基于软隶属度图和双约束连通性准则进行开发。具体而言，SAGBC采用粒度球作为基本建模单元，并在数据点与粒度球之间构建软隶属度图，以实现对复杂聚类结构的结构感知表示。该方法开发了一种双约束连通性准则，该准则整合了空间邻近性与结构相似性，用于形成粒度球的连通分量并有效捕捉潜在聚类结构。在17个合成和真实数据集上的广泛实验表明，SAGBC相较于10种基线方法实现了更高的聚类准确性和计算效率，验证了其在大型数据分析中的有效性。源代码公开于https://github.com/Du-Team/SAGBC。

Keyword:

Granular ball

Clustering

Granular computing

Structure awareness

Large-scale data

Shared nearest neighbors

Structure-aware granular ball clustering

摘要

期刊

机构

引用论文