摘要
在传统CLARANS聚类算法基础上,提出一种针对不确定性目标的CLARANS聚类算法。在该算法中,待聚类的每个不确定性目标都被表示成高斯混合模型,即高斯分布的一个加权和,并将Kullback-Leibler散度作为不确定性目标间的距离测度。在图片数据库上的实验结果表明,该算法具有较高的聚类精度。
Based on classical CLARANS clustering algorithm,a new clustering algorithm of uncertain objects is proposed in this paper.In the algorithm,each uncertain object is given as a Gaussian Mixture Model（GMM） which is the weighted sum of Gaussian distribution,and Kullback-Leibler Divergence（KLD） is used as distance measure between uncertain objects.Experimental result of image dataset shows the higher clustering precision of algorithm.
出处
《计算机工程》
CAS
CSCD
2012年第11期56-58,共3页
Computer Engineering
基金
"中财121人才工程"青年博士发展基金资助项目(QBJZH201001)
