Jul, 2023
DBGSA：一种新的数据自适应 Bregman 聚类算法
DBGSA: A Novel Data Adaptive Bregman Clustering Algorithm
Ying Xiao, Hou-biao Li, Yu-pu Zhang
TL;DR提出了一种结合普适引力算法的数据驱动巴格曼散度参数优化聚类算法（DBGSA），通过构建具有特殊属性的引力系数方程，逐渐减少迭代过程中的影响因子，并引入巴格曼散度广义幂均值信息损失最小化来识别聚类中心和构建超参数识别优化模型，有效解决了改进数据集中手动调整和不确定性的问题。对四个模拟数据集和六个真实数据集进行了广泛实验，结果表明 DBGSA 相对于其他类似方法如改进聚类算法和改进数据集，平均提高了 63.8％的各种聚类算法的准确性。此外，建立了一个三维网格搜索来比较阈值条件下不同参数值的效果，并发现我们模型提供的参数集是最优的，这一发现为算法的高准确性和强韧性提供了有力的证据。