计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2010年
2期
225-228,236
,共5页
数据聚类%高维数据%随机过程%马尔可夫链
數據聚類%高維數據%隨機過程%馬爾可伕鏈
수거취류%고유수거%수궤과정%마이가부련
Data clustering%Muhidimensional data%Stochastic process%Markov chain
提出了一种应用广义量子粒子模型进行自组织聚类的新方法.该模型将数据聚类过程转化为一个量子粒子在状态构形空间上的随机自组织过程,由量子粒子之间相互纠缠形成的状态构形随时间不断演化,最终会收敛到一个平稳的概率分布,最优状态空间构形与平稳概率分布中具有最大概率的状态构形相对应.对此自组织过程的收敛性进行了理论上的证明.与传统的适用于大规模数据的聚类方法相比较,该算法具有更快的收敛速度,仿真实验表明了其优越性.
提齣瞭一種應用廣義量子粒子模型進行自組織聚類的新方法.該模型將數據聚類過程轉化為一箇量子粒子在狀態構形空間上的隨機自組織過程,由量子粒子之間相互糾纏形成的狀態構形隨時間不斷縯化,最終會收斂到一箇平穩的概率分佈,最優狀態空間構形與平穩概率分佈中具有最大概率的狀態構形相對應.對此自組織過程的收斂性進行瞭理論上的證明.與傳統的適用于大規模數據的聚類方法相比較,該算法具有更快的收斂速度,倣真實驗錶明瞭其優越性.
제출료일충응용엄의양자입자모형진행자조직취류적신방법.해모형장수거취류과정전화위일개양자입자재상태구형공간상적수궤자조직과정,유양자입자지간상호규전형성적상태구형수시간불단연화,최종회수렴도일개평은적개솔분포,최우상태공간구형여평은개솔분포중구유최대개솔적상태구형상대응.대차자조직과정적수렴성진행료이론상적증명.여전통적괄용우대규모수거적취류방법상비교,해산법구유경쾌적수렴속도,방진실험표명료기우월성.
A novel generalized quantum particle model(GQPM)was presented for data self-organizing clustering.In this model the data clustering process is transformed into a stochastic self-organizing process of the quantum particles in the state configuration space.The state configuration will evolve to a stationary probability distribution,and thus the optimal state configuration on particles can be obtained from the state configuration which has the highest probability in the stationary probability distribution.The convergence of the self-organizing process was proved in this paper.The GQPM algorithm has much faster clustering speed than the traditional clustering algorithm for the large scale database.Its superiorities were verified by the simulation experiments.