一种基于空间坐标变换的角度聚类处理方法_第1页
一种基于空间坐标变换的角度聚类处理方法_第2页
一种基于空间坐标变换的角度聚类处理方法_第3页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

分成几个组,使得同一组中的对象相似度高,而不同组之间的相似度低。近年来,由于数据集的维度变得越来越高,聚类问题变得越来越复杂。能会受到变量之间的交互影响,从而不太稳定。本文提出一种新的方法,该方法基于对三维坐标系的变形操作,在三维空间中将原始数据转化为步骤1:数据变换npX={xij}(i=1,…,n;j=1,…,p)。我XY={yij}yijijA={aij}(i=1,…,p;j=1,…,p),XAY=XA然后,我们将矩阵Y投影到一个新的坐标系中。考虑三维空间中的一个坐标系,其中z轴的方向为向量(1,1,1)。我们将x轴和y轴的方向uvu和v绕z轴旋转θ度来定义新坐标系的方向。对于第i个对象的第j个变其中,xi1、xi2、xi3i在原始坐标系中的三个坐标。步骤2:聚类处理k-meansk个簇。然后,我们将每个对象分配给其我们在三个不同的数据集上测试了我们的方法。这些数据集分别是:11002010个变量是相关的,10210010070个变量是相关的,其余30个变量是独立的。350500400个变量是相关的,其余100个变量是独立的。PCAk-means算法进行聚类处理。我们将聚类结果与真实标签进行比较,并计算ARI(调整兰德指数)和NMI(归一化互信息)两个指标。1k=10ARINMI0.9700.976ARINMI0.791和0.81

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论