基于网络社团划分方法的多维数据聚类研究

摘要

cqvip:为了解决传统聚类方法在多维数据集中聚类效果不佳的问题,提出将网络社团划分的方法应用到多维数据聚类分析中。对于一个多维数据集,首先对分析对象进行特征提取,构建出每个对象的特征向量,通过计算皮尔森相关系数来度量不同特征向量之间的相似性,从而构建出一个相似性网络,采用Blondel算法对该网络进行社团划分达到聚类的效果。实验结果表明,该方法可以在多维数据聚类中得到较好的聚类结果,准确率达到92.5%,优于K-means算法的75%。