[发明专利]变色龙算法中相似性度量及截断方法

摘要

本发明公开了变色龙算法中相似性度量及截断方法，属于凝聚型层次聚类算法技术领域。变色龙在稀疏图上运行，其中节点表示数据项，加权边表示数据项之间的相似性，变色龙通过使用两阶段算法找出数据集中的簇，在第一阶段，根据数据集构造出一个k‑最近邻图Gk，使用图分区算法将数据项分为几个相对较小的子集群，在第二阶段，它使用一种算法，通过重复组合这些子集群来找到真正的集群；该改进算法通过引入递归二分法、flood fill漫水填充法以及第一跳截断等对传统的变色龙聚类算法进行了改进，还提出了一种能够从修改的变色龙树状图中自动选择最佳聚类结果的方法。

主权项

1.变色龙算法中相似性度量及截断方法，其特征在于，包括如下步骤：变色龙在稀疏图上运行，其中节点表示数据项，加权边表示数据项之间的相似性，变色龙通过使用两阶段算法找出数据集中的簇，在第一阶段，根据数据集构造出一个k‑最近邻图Gk，使用图分区算法将数据项分为几个相对较小的子集群，在第二阶段，它使用一种算法，通过重复组合这些子集群来找到真正的集群；在分区阶段，采用基于递归二分法的分区方法；在合并阶段，引入了改进的相似性度量，加入γ这个附加值作为合并过程中簇密度的评估和比较，其中γ表示簇密度的商‑‑稀疏簇的密度除以密集簇的密度，当计算其中某一个簇中只包含一个节点的簇对之间的相似性时，仅计算该对的外部属性，得到的聚类相似度被设置为外部相似度乘以常数；提供了一个简单而有效的截断方法，称为第一跳截止。