融合拓扑势的自适应层次聚类算法研究

摘要

针对传统凝聚式层次化数据发现算法效率不高、生成的层次谱图复杂、主要解决静态数据而较少针对动态数据的问题,提出一种融合拓扑势的自适应层次聚类算法(adaptive hierarchical clustering algorithm incorporating topological potentials,AHCITP)。该算法首先融合拓扑势场理论构建出揭示节点自适应层次关系的峰谷结构;然后结合改进的全局模块度增量算法合并最优代表节点,并根据数据变化的局部性原理更新数据网等,进而得到多类型数据集的层次聚类结果或演化过程。实验显示,该方法具有自适应迭代、速度快、稳定高效等优点,更能很好地解决类间重叠、类内动态演化、多样数据聚类等问题。