正聚类是一种应用广泛的无监督学习任务,目前的主流聚类方法种类繁多,但在实际应用中需要根据数据分布和具体要求选择聚类方法或设定超参数,十分不便。针对这一问题,提出了一种改进的最小生成树聚类算法,该算法通过充分利用簇规模信息,增强了其抗噪声的能力,同时可以处理不同形状、不同密度的簇。这种方法只需要设定聚类簇数一个超参数,此外还有易于实现、可解释性强等优点。实验结果表明,该改进算法具有更强的鲁棒性,在多种测试集上的聚类效果明显优于其他传统方法,并在图像分割应用上仍有着优秀的表现。聚类是一种十分常见的无监督学习问题。根据算法思想不同,聚类算法可以分为很多种,

【相似文献】

中国期刊全文数据库 前18条

1 曹焕光;用最小生成树存贮和检索数据[J];山西大学学报(自然科学版);1985年03期

2 田小梅;龚静;;遗传算法在度约束最小生成树问题中的应用[J];湖南环境生物职业技术学院学报;2009年03期

3 徐磊,章兢;广义最小生成树的遗传算法求解及应用[J];系统工程与电子技术;2004年03期

4 宋海洲;求解度约束最小生成树的单亲遗传算法[J];系统工程理论与实践;2005年04期

5 王小乐;刘青宝;陆昌辉;侯东风;;一种最小生成树聚类算法[J];小型微型计算机系统;2009年05期

6 郭浩;刘磊;陈俊杰;;基于高阶最小生成树的脑网络分析及对阿兹海默氏症患者的分类[J];计算机应用;2017年11期

7 郭羽泉;陈兵;;基于广义最小生成树和梅逊公式的传递函数求解[J];科技信息;2011年06期

8 尹莹莹;孙亮;;一种进化型蚁群算法及其在TSP问题中的检验[J];计算机仿真;2006年04期

9 孟海东;宋飞燕;宋宇辰;;面向复杂簇的聚类算法研究与实现[J];计算机应用与软件;2008年10期

10 王翔;郑建国;王玉玲;;核蚁群化学聚类算法[J];计算机应用研究;2010年04期

11 刘志成,钱建刚;基于改进遗传算法的最小生成树算法[J];计算机工程与设计;2004年09期

12 马春光;戴膺赞;王九如;王慧强;;基于最小生成树的异构传感器网络抗共谋优化方案[J];电子与信息学报;2011年12期

13 张选平;祝兴昌;马琮;;一种基于边界识别的聚类算法[J];西安交通大学学报;2007年12期

14 冯兴杰,黄亚楼;带约束条件的聚类算法研究[J];计算机工程与应用;2005年07期

15 赵恒,杨万海,张高煜;模糊K-Harmonic Means聚类算法[J];西安电子科技大学学报;2005年04期

16 李秀芳;李志成;;基于数据挖掘的聚类算法研究[J];计算技术与自动化;2006年03期

17 陈云飞,刘玉树,钱越英,赵基海;一种基于密度的启发性群体智能聚类算法[J];北京理工大学学报;2005年01期

18 王智敏;郭正胜;;基于最小生成树的遥感影像分割[J];测绘与空间地理信息;2019年01期