论文部分内容阅读
针对传统近邻传播聚类算法（affinity propagation clustering algorithm,AP）处理特征复杂数据时聚类准确率较低的问题,提出一种基于邻域相似度的近邻传播聚类算法。通过分析数据样本统计特性,确定合适的邻域半径和邻域密度,计算邻域相似度并注入偏向参数,提高算法在特征复杂数据集上的聚类精度。在UCI数据集上的实验结果表明,所提算法的聚类精度优于相比较的AP算法,且邻域半径对不同数据集有自适应性,引入邻域相似度提高传统AP算法在特征复杂数据集上的聚类精度是可行的。