基于线性判别分析和二分<i>K</i>均值的高维数据自适应聚类方法

汪万紫; 裘国永; 张兵权

doi:10.3969/j.issn.1004-1478.2011.02.027

CN 41-1437/TS ISSN 2096-1553

基于线性判别分析和二分K均值的高维数据自适应聚类方法

汪万紫 , 裘国永 , 张兵权

汪万紫, 裘国永, 张兵权. 基于线性判别分析和二分K均值的高维数据自适应聚类方法[J]. 轻工学报, 2011, 26(2): 106-110. doi: 10.3969/j.issn.1004-1478.2011.02.027

引用本文: 汪万紫, 裘国永, 张兵权. 基于线性判别分析和二分K均值的高维数据自适应聚类方法[J]. 轻工学报, 2011, 26(2): 106-110. doi: 10.3969/j.issn.1004-1478.2011.02.027

WANG Wan-zi, QIU Guo-yong and ZHANG Bing-quan. Adaptive clustering method based on linear discriminant analysis and bisecting K-means for high dimensional data[J]. Journal of Light Industry, 2011, 26(2): 106-110. doi: 10.3969/j.issn.1004-1478.2011.02.027

Citation: WANG Wan-zi, QIU Guo-yong and ZHANG Bing-quan. Adaptive clustering method based on linear discriminant analysis and bisecting K-means for high dimensional data[J]. Journal of Light Industry, 2011, 26(2): 106-110. doi: 10.3969/j.issn.1004-1478.2011.02.027

基于线性判别分析和二分K均值的高维数据自适应聚类方法

陕西师范大学计算机科学学院, 陕西西安 710062
基金项目: 陕西省自然科学基金项目(2010JM8039)
中图分类号: TP311.13

Adaptive clustering method based on linear discriminant analysis and bisecting K-means for high dimensional data

School of Comp.Sci., Shannxi Normal Univ., Xi'an 710062, China
Received Date: 2011-03-23

CLC number: TP311.13

摘要: 将线性判别分析和二分K均值聚类耦合在一起,提出了一个适合于高维数据聚类的自适应方法:利用线性判别分析将高维数据集变换成低维数据集,然后在低维数据集上执行二分K均值聚类,并把得到的聚类结果通过一个簇成员指示矩阵H变换到原数据集中.将这样的过程反复进行,直到自适应地得到-个最优结果.基于现实数据集的实验结果证明了该方法的有效性.
- 维归约 /
- 线性判别分析 /
- 二分K均值 /
- 高维数据自适应聚类方法
Abstract: Combining linear discriminant analysis(LDA) and bisecting K-means clustering(BKM),an adaptively clustering method was proposed for high dimensional data.The method uses LDA to transform the high dimensional dataset into low dimensional one,applies BKM on the low dimensional dataset,and constructs the clusters in the original high dimensional dataset.The method is adaptively executed to generate the best result.Extensive experimental results on real-world datasets showed the effectiveness of the approach.
- dimension reduction /
- LDA /
- bisecting K-means /
- adaptive clustering method for high dimensional data
1. [1]
  楚文娟 , 郭丽霞 , 程东旭 , 王红霞 , 崔廷 , 冯银龙 , 王建民 , 鲁平 . 基于K-means聚类及模糊判别的卷烟包灰性能综合评价方法. 轻工学报, 2024, 39(6): 93-100. doi: 10.12187/2024.06.011
2. [2]
  张建栋 , 杨忠泮 , 吴恋恋 , 徐大勇 , 朱萍 , 张雯晶 , 堵劲松 . 基于高光谱成像及机器学习的烟叶糖料液施加量判别模型. 轻工学报, 2024, 39(5): 86-94. doi: 10.12187/2024.05.010
3. [3]
  吴晓东 , 刘畅 , 李俊 , 胡良志 , 贺凌晨 , 袁海霞 , 李强 , 黄锦标 . 基于高光谱检测的烟丝加香均匀性表征方法. 轻工学报, 2024, 39(5): 95-101. doi: 10.12187/2024.05.011
4. [4]
  郭水欢 , 袁思洁 , 郭楠楠 , 陈贤 , 樊亚敏 , 高晗 , 詹丽娟 . 发光二极管调控芽苗菜品质的研究进展. 轻工学报, 2025, 40(1): 49-57. doi: 10.12187/2025.01.006
5. [5]
  钟昕怡 , 陈紫麟 , 骆勇 , 汪高玮 , 王周利 , 赵子丹 , 李鸣雷 . 香菇-大球盖菇复合饼干研制及其品质特性分析. 轻工学报, 2024, 39(6): 27-36. doi: 10.12187/2024.06.004
6. [6]
  李翠翠 , 贾笑莉 , 张丽 , 郭赛赛 , 孙薇 , 陆啟玉 . 面制品加工过程中小麦面筋蛋白巯基、二硫键变化的研究进展. 轻工学报, 2024, 39(6): 1-8,56. doi: 10.12187/2024.06.001
7. [7]
  许克静 , 刘语煊 , 张展 , 吕晶晶 , 梁淼 , 李瑞丽 , 张峻松 , 陈小龙 . 辊压法全烟梗再造烟叶的制备工艺优化及结构与性能分析. 轻工学报, 2025, 40(1): 64-74. doi: 10.12187/2025.01.008
8. [8]
  吴启贤 , 陈子杰 , 崔要强 , 伍锦鸣 , 赵谋明 , 任胜超 , 冯云子 . 不同产地烟叶碱提香料卷烟加香效果及化学成分差异分析. 轻工学报, 2025, 40(1): 98-106,119. doi: 10.12187/2025.01.012
9. [9]
  李艳坤 , 张伟 , 刘彦伶 . 数据融合策略在食用油真实性鉴别中的研究与应用进展. 轻工学报, 2024, 39(5): 50-59. doi: 10.12187/2024.05.006
10. [10]
  杨鹏飞 , 吴薇 , 孙海峰 , 刘龑章 , 尚紫博 , 薛晶晶 , 许志杰 , 宋梦坤 . GC-MS结合多元统计分析研究两种工艺提取的脐橙挥发性成分差异. 轻工学报, 2025, 0(0): -.
11. [11]
  孙彦庆 , 杜芬 , 朱宗敏 , 冯晓梅 , 尚丽丽 , 曹婉秀 , 刘楚怡 . 大黄鱼鱼鳔低聚肽的制备及其延缓皮肤衰老的研究. 轻工学报, 2025, 40(1): 107-119. doi: 10.12187/2025.01.013
12. [12]
  张伟伟 , 姬远鹏 , 元春波 , 王君婷 , 齐晓任 , 张卫正 , 李萌 , 饶智 . 基于改进Mask R-CNN模型的粘连烟丝识别方法. 轻工学报, 2024, 39(5): 78-85. doi: 10.12187/2024.05.009
13. [13]
  李敏 , 贺姗姗 , 杨钰雯 . 改良QuEChERS方法结合超高效液相色谱测定火腿肠中杂环胺类化合物. 轻工学报, 2024, 39(5): 60-70. doi: 10.12187/2024.05.007

点击查看大图

计量

PDF下载量: 23
文章访问数: 1183
引证文献数: 0

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

汪万紫, 裘国永, 张兵权. 基于线性判别分析和二分K均值的高维数据自适应聚类方法[J]. 轻工学报, 2011, 26(2): 106-110. doi: 10.3969/j.issn.1004-1478.2011.02.027

基于线性判别分析和二分K均值的高维数据自适应聚类方法

陕西师范大学计算机科学学院, 陕西西安 710062

收稿日期: 2011-03-23

基金项目: 陕西省自然科学基金项目(2010JM8039)

关键词:

摘要: 将线性判别分析和二分K均值聚类耦合在一起,提出了一个适合于高维数据聚类的自适应方法:利用线性判别分析将高维数据集变换成低维数据集,然后在低维数据集上执行二分K均值聚类,并把得到的聚类结果通过一个簇成员指示矩阵H变换到原数据集中.将这样的过程反复进行,直到自适应地得到-个最优结果.基于现实数据集的实验结果证明了该方法的有效性.

基于线性判别分析和二分K均值的高维数据自适应聚类方法

Adaptive clustering method based on linear discriminant analysis and bisecting K-means for high dimensional data

计量

通讯作者: 陈斌, bchen63@163.com

基于线性判别分析和二分K均值的高维数据自适应聚类方法

English Abstract

Adaptive clustering method based on linear discriminant analysis and bisecting K-means for high dimensional data

目录

基于线性判别分析和二分K均值的高维数据自适应聚类方法

Adaptive clustering method based on linear discriminant analysis and bisecting K-means for high dimensional data

计量

文章相关

通讯作者: 陈斌, bchen63@163.com

基于线性判别分析和二分K均值的高维数据自适应聚类方法

English Abstract

Adaptive clustering method based on linear discriminant analysis and bisecting K-means for high dimensional data

目录