基于贝叶斯和谐度的层次聚类

作者：文顺; 赵杰煜; 朱绍军

来源：模式识别与人工智能, 2013, (12): 1161-1168.

DOI：10.16451/j.cnki.issn1003-6059.2013.12.012

• 层次聚类
• 贝叶斯和谐度
• 贝叶斯阴阳和谐学习 Hierarchical Clustering
• Bayesian Harmony
• Bayesian Ying-Yang Harmony Learning

层次聚类是一种重要的数据分析技术.传统的层次聚类方法大都采用欧式距离度量类之间相似度,不能有效处理类之间重合和类密度变化大的情况.文中提出一种基于贝叶斯和谐度的层次聚类方法,采用和谐度增幅代替传统层次聚类方法采用的欧式距离.贝叶斯和谐度取自于贝叶斯阴阳和谐学习理论,能衡量整个数据的分布情况和指导选择合适的类别数.文中方法根据和谐度的变化来度量类之间的相似度,能克服传统层次聚类的缺点;同时更易选择阈值终止层次聚类的合并,从而产生合适的类别数.最后通过两个实验验证文中方法的有效性.

• 出版日期2013
• 单位宁波大学