An optimal method for data clustering
An optimal method for data clustering
复制标题
数据聚类的最优方法
DOI：
10.1007/s00521-014-1818-3
复制
发表时间：
2015-01
影响因子：
6
通讯作者：
Man Z. H.
中科院分区：
文献类型：
--
作者：
Lu C. B.;Mei Y.;Du H.;Man Z. H.
本文研究了一种特征空间数据聚类优化算法。利用图拉普拉斯和极限学习机（ELM）映射技术，我们开发了一个用于特征映射的最优权矩阵。该工作明确地将原始数据映射到最优特征空间中进行聚类，进一步提高了原始数据在特征空间中的可分性，并且同一聚类中的模式点仍然紧密聚类。本文方法实现简单，在UCI真实数据基准（IRIS数据、Wisconsin乳腺癌数据库和Wine数据库）上，与常用的对原始数据的like -means、核聚类方法、谱聚类方法和ELMk-means聚类算法相比，具有更好的聚类效果。
An algorithm for optimizing data clustering in feature space is studied in this work. Using graph Laplacian and extreme learning machine (ELM) mapping technique, we develop an optimal weight matrixWfor feature mapping. This work explicitly performs a mapping of the original data for clustering into an optimal feature space, which can further increase the separability of original data in the feature space, and the patterns points in same cluster are still closely clustered. Our method, which can be easily implemented, gets better clustering results than some popular clustering algorithms, likek-means on the original data, kernel clustering method, spectral clustering method, and ELMk-means on data include three UCI real data benchmarks (IRIS data, Wisconsin breast cancer database, and Wine database).
登录
查看更多内容
DOI：
10.1145/276304.276312
发表时间：
1998-06
期刊：
--
影响因子：
--
作者：
S. Guha;R. Rastogi;Kyuseok Shim
通讯作者：
S. Guha;R. Rastogi;Kyuseok Shim
DOI：
--
发表时间：
1998-08
期刊：
Plant Cell, Tissue and Organ Culture (PCTOC)
影响因子：
--
作者：
Gholamhosein Sheikholeslami;Surojit Chatterjee;A. Zhang
通讯作者：
Gholamhosein Sheikholeslami;Surojit Chatterjee;A. Zhang
DOI：
10.1007/978-3-540-27819-1_43
发表时间：
2004-01-01
期刊：
LEARNING THEORY, PROCEEDINGS
影响因子：
--
作者：
Belkin, M;Matveeva, I;Niyogi, P
通讯作者：
Niyogi, P
DOI：
--
发表时间：
2001-01
期刊：
--
影响因子：
--
作者：
A. Ng;Michael I. Jordan;Yair Weiss
通讯作者：
A. Ng;Michael I. Jordan;Yair Weiss
影响因子：
1.4
作者：
DEFAYS, D
通讯作者：
DEFAYS, D