论文部分内容阅读
针对Chameleon算法中采用距离函数度量数据点间的相似度，导致距离相近的两个点可能仅拥有很少的共同特征，最小二分实际操作困难，合并时需要人工指定阈值以及一旦合并完成后不能撤销的问题，对Chameleon算法进行改进，提出一种引入共享近邻加权图（WSnnG）的Chameleon算法。该算法以数据对象间的共享近邻数来衡量相似度，进一步构造WSnnG，再利用网络模块性评价函数指导最小二分，然后以结构等价相似度作为合并的依据，最后通过引入内聚度度量函数解决合并后不能撤销的问题。在UCI数据集及4个二维人造数据