论文部分内容阅读
针对传统欧氏距离测度描述复杂结构的数据分布会失效的问题，引入能有效反映样本集固有的全局一致性信息的流形距离作为样本间相似度度量测度，并设计了反映类内相似度大、类间相似度小的聚类目标的准则函数，把数据聚类转化成准则函数优化问题，提出了一种迭代优化的聚类算法．通过4个人工数据集的仿真试验结果表明，新方法的参数很少且实现简单，由于实现过程中没有引入随机操作，因此结果比较确定．与标准k均值算法相比，新方法能够自动确定聚类数目，对于样本空间分布复杂的聚类问题具有良好的分类效果．