论文部分内容阅读
聚类分析是数据挖掘领域的重要组成部分之一，而度量学习是聚类分析中的关键性步骤。传统聚类算法中通常使用欧氏距离进行距离度量，但是欧氏距离只关注两两样本之间的距离关系，并没有顾及数据的全局性分布结构。考虑到数据的全局性结构信息，提出了一种新的具有全局性的度量方法——有效距离度量（effectivedistancemetric），其主要思想是通过稀疏重构的方法计算数据样本之间的有效距离。进一步地，将有效距离应用到K-means、K-medoids和FCM（fuzzyC-means）3种经典聚类算法中开发了3种基