Affinity Propagation聚類(lèi)算法的研究及應(yīng)用.pdf

1、隨著信息時(shí)代的來(lái)臨，人們面臨著海量數(shù)據(jù)的挑戰(zhàn)。如何從海量數(shù)據(jù)中提取出有用信息受到越來(lái)越多的關(guān)注。隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展與應(yīng)用，聚類(lèi)被證明是一種有效的工具。聚類(lèi)本質(zhì)上是無(wú)監(jiān)督學(xué)習(xí)，目標(biāo)是將數(shù)據(jù)集劃分成為多個(gè)類(lèi)，同一類(lèi)內(nèi)對(duì)象之間具有較高的相似度，不同類(lèi)之間的對(duì)象相似度較小。從而達(dá)到分類(lèi)的作用，一定程度上揭示對(duì)象間共性特征和本質(zhì)區(qū)別。
　　人是如何通過(guò)視覺(jué)感知外部環(huán)境并做出反應(yīng)是認(rèn)知科學(xué)的主要研究?jī)?nèi)容。本文通過(guò)對(duì)猴腦下顳葉皮層(Infe

2、rior Temporal Cortex)神經(jīng)元反應(yīng)模式的研究來(lái)探索下顳葉皮層的功能及其編碼信息。下顳葉層神經(jīng)元的數(shù)量龐大，而且反應(yīng)復(fù)雜，因此可以運(yùn)用聚類(lèi)分析這個(gè)手段研究該層神經(jīng)元的編碼方式，挖掘其中含有的信息。
　　本文對(duì)基于圖的AP(Affinity Propagation)聚類(lèi)算法進(jìn)行了研究，以AP算法為基礎(chǔ)提出了改進(jìn)算法，并且將其應(yīng)用在認(rèn)知科學(xué)的研究中。具體工作如下：
　　首先，對(duì)主流的聚類(lèi)分析算法進(jìn)行了綜述。闡述了

3、聚類(lèi)的概念以及聚類(lèi)的一般步驟，介紹了已經(jīng)研究成熟的不同種類(lèi)的算法，并對(duì)其中幾種代表算法詳細(xì)描述。
　　然后，提出一種基于測(cè)地距離的AP聚類(lèi)算法(GeoAP)。AP算法的缺點(diǎn)在于不能有效適用于任意形狀的數(shù)據(jù)集，因此，將歐氏距離替換為能挖掘潛在流形特征的測(cè)地距離。在不同類(lèi)型的數(shù)據(jù)集上，通過(guò)對(duì)比AP算法、GeoAP算法以及其它算法的聚類(lèi)性能和運(yùn)算時(shí)間，證明了改進(jìn)的AP算法的聚類(lèi)性能有明顯的提高。
　　最后，應(yīng)用聚類(lèi)分析猴腦下顳葉層