计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
z2期
117-119
,共3页
数据挖掘%演化数据%聚类%指数衰减%正则化
數據挖掘%縯化數據%聚類%指數衰減%正則化
수거알굴%연화수거%취류%지수쇠감%정칙화
data mining%evolutionary data%clustering%exponential decay%regularization
为了提高演化数据聚类的平滑度，提出了一种演化数据聚类框架。该框架综合考虑不同时间点的历史数据对当前时刻的演化数据聚类的影响，将指数衰减思想应用于平滑正则项中，然后将谱聚类算法应用于该框架，得到基于指数衰减的演化谱聚类算法。实验结果表明，该算法有效地提高了演化数据聚类的平滑度。
為瞭提高縯化數據聚類的平滑度，提齣瞭一種縯化數據聚類框架。該框架綜閤攷慮不同時間點的歷史數據對噹前時刻的縯化數據聚類的影響，將指數衰減思想應用于平滑正則項中，然後將譜聚類算法應用于該框架，得到基于指數衰減的縯化譜聚類算法。實驗結果錶明，該算法有效地提高瞭縯化數據聚類的平滑度。
위료제고연화수거취류적평활도，제출료일충연화수거취류광가。해광가종합고필불동시간점적역사수거대당전시각적연화수거취류적영향，장지수쇠감사상응용우평활정칙항중，연후장보취류산법응용우해광가，득도기우지수쇠감적연화보취류산법。실험결과표명，해산법유효지제고료연화수거취류적평활도。
In order to improve the smoothness of the evolutionary clustering, a framework for the evolutionary clustering was proposed. Considering the historical data impact on current clustering, the exponential decay regularization term was applied, and then spectral clustering algorithm was applied to obtain evolutionary spectral clustering. Experimental results show that the algorithm can effectively improve the smoothness of the evolutionary clustering.
