引入特征选择初始化策略的弹性网络聚类算法
Elastic Net Clustering Algorithm Introduced with Feature Selection Initialization Strategy作者机构:北京建筑大学电气与信息工程学院北京102612
出 版 物:《小型微型计算机系统》 (Journal of Chinese Computer Systems)
年 卷 期:2023年第44卷第11期
页 面:2493-2501页
学科分类:08[工学] 0804[工学-仪器科学与技术]
基 金:北京市教委科研计划项目(KM202010016011)资助 北京市自然科学基金项目(4192029,4144072)资助 国家自然科学基金项目(61871020,61402032)资助 北京市优秀人才项目(2013D005017000017)资助 北京建筑大学科研基金项目(00331613002)资助 北京建筑大学市属高校基本科研业务费专项资金项目(X18064)资助 北京建筑大学建筑大数据智能处理方法研究北京市重点实验室项目(30057920068)资助。
摘 要:聚类分析在数据挖掘领域有非常重要的作用.为了克服传统聚类算法存在的低精度、低稳定性、无法求解大规模数据的问题,提出了引入特征选择初始化策略的弹性网络聚类算法(FSENC).算法首先用聚类目标函数替换弹性网络的损失函数,从而获得用于求解聚类的新能量函数,并优化了弹性网络的结构,根据极大熵原理与确定性退火技术,以最小化能量函数的方式得到聚类解.其次,提出了能够根据空间数据分布变化动态调整的初始化策略,提升了算法灵活性.在大量合成数据集和真实数据集上的实验结果表明,FSENC算法在求解聚类问题时是有效和高效的.与一些经典的和近年来新提出的聚类算法相比,能够获得更高的聚类质量,尤其适用于求解大规模高维聚类问题.