亲和力传播聚类算法中最佳聚类数量的确定

摘要

亲和力传播（AP）聚类能自动搜索聚类数量和聚类中心，但它提供的聚类数量与数据固有的聚类结构相差较大。为此，提出一种确定数据集潜在聚类数量的方法。利用任意两个数据点的欧氏距离平方构成相似性矩阵，以数据样本容量和相似性矩阵中非对角元素的中位数为参数，建立偏好的更新公式以确定聚类数量；将相似性与可用性相加构成亲和矩阵，并将亲和矩阵中取正值的主对角元素作为聚类的质心，以实现聚类数量与质心数量的相互验证。通过对随机数据集以及真实数据集的仿真，对多种性能度量以及算法的运行时间进行评估，结果说明该方法不仅能准确地估计聚类的数量，而且能有效地加快算法的收敛，从而适应于大数据应用的要求。

关键词

亲和力传播 / 相似性 / 责任性 / 可用性 / 偏好值