论文部分内容阅读
为改善近邻传播聚类算法对高维数据的聚类效果,引入马氐距离替换原算法中的欧氐距离,并借助 正则化总散度矩阵的奇异值分解实现数据变换预处理,进而在在降维后的变换子空间中对数据集进行聚类. 针对 Iris、 User、 Soybean 和 Vehicle四个数据集,选取适当正则化参数,经仿真实验可见, 改进算法的聚类精度 在整体上有所提高.