Affinity Propagation聚類算法的研究及應(yīng)用.pdf

1、隨著信息時代的來臨，人們面臨著海量數(shù)據(jù)的挑戰(zhàn)。如何從海量數(shù)據(jù)中提取出有用信息受到越來越多的關(guān)注。隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展與應(yīng)用，聚類被證明是一種有效的工具。聚類本質(zhì)上是無監(jiān)督學(xué)習(xí)，目標是將數(shù)據(jù)集劃分成為多個類，同一類內(nèi)對象之間具有較高的相似度，不同類之間的對象相似度較小。從而達到分類的作用，一定程度上揭示對象間共性特征和本質(zhì)區(qū)別。
　　人是如何通過視覺感知外部環(huán)境并做出反應(yīng)是認知科學(xué)的主要研究內(nèi)容。本文通過對猴腦下顳葉皮層(Infe

2、rior Temporal Cortex)神經(jīng)元反應(yīng)模式的研究來探索下顳葉皮層的功能及其編碼信息。下顳葉層神經(jīng)元的數(shù)量龐大，而且反應(yīng)復(fù)雜，因此可以運用聚類分析這個手段研究該層神經(jīng)元的編碼方式，挖掘其中含有的信息。
　　本文對基于圖的AP(Affinity Propagation)聚類算法進行了研究，以AP算法為基礎(chǔ)提出了改進算法，并且將其應(yīng)用在認知科學(xué)的研究中。具體工作如下：
　　首先，對主流的聚類分析算法進行了綜述。闡述了

3、聚類的概念以及聚類的一般步驟，介紹了已經(jīng)研究成熟的不同種類的算法，并對其中幾種代表算法詳細描述。
　　然后，提出一種基于測地距離的AP聚類算法(GeoAP)。AP算法的缺點在于不能有效適用于任意形狀的數(shù)據(jù)集，因此，將歐氏距離替換為能挖掘潛在流形特征的測地距離。在不同類型的數(shù)據(jù)集上，通過對比AP算法、GeoAP算法以及其它算法的聚類性能和運算時間，證明了改進的AP算法的聚類性能有明顯的提高。
　　最后，應(yīng)用聚類分析猴腦下顳葉層