Min and max hierarchical clustering using asymmetric similarity measures
Min and max hierarchical clustering using asymmetric similarity measures
复制标题
使用不对称相似性度量的最小和最大层次聚类
DOI：
10.1007/bf02291174
复制
发表时间：
1973
期刊：
影响因子：
3
通讯作者：
L. Hubert
中科院分区：
文献类型：
--
作者：
L. Hubert
对Johnson讨论的最小和最大层次聚类方法进行了扩展，以包括非对称相似性值的使用。本文的第一部分介绍了基本的最小和最大过程，但在图论的背景下；然后将这种描述推广到有向图，作为引入原始聚类技术的较少限制的表征的一种方式。
The min and the max hierarchical clustering methods discussed by Johnson are extended to include the use of asymmetric similarity values. The first part of the paper presents the basic min and max procedures but in the context of graph theory; this description is then generalized to directed graphs as a way of introducing the less restrictive characterization of the original clustering techniques.