nach oben

Erschienen in:

2016 | OriginalPaper | Buchkapitel

DAPPFC: Density-Based Affinity Propagation for Parameter Free Clustering

verfasst von : Hanning Yuan, Shuliang Wang, Yang Yu, Ming Zhong

Erschienen in: Advanced Data Mining and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In the clustering algorithms, it is a bottleneck to identify clusters with arbitrarily. In this paper, a new method DAPPFC (density-based affinity propagation for parameter free clustering) is proposed. Firstly, it obtains a group of normalized density from the unsupervised clustering results. Then, the density is used for density clustering for multiple times. Finally, the multiple-density clustering results undergo a two-stage synthesis to achieve the final clustering result. The experiment shows that the proposed method does not require the user’s intervention, and it can also get an accurate clustering result in the presence of arbitrarily shaped clusters with a minimal additional computation cost.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel A Scalable Document-Based Architecture for Text Analysis

Nächstes Kapitel Effective Traffic Flow Forecasting Using Taxi and Weather Data

Rodriguez, A., Laio, A.: Clustering by fast search and find of density peaks. Science 344(6191), 1492–1496 (2014)CrossRef

Seife, C.: Big data: the revolution is digitized. Nature 518(7540), 480–481 (2015)CrossRef

Aggarwal, C.C., Reddy, C.K. (eds.): Data Clustering: Algorithms and Applications. CRC Press, Boca Raton (2013)

Ester, M., Kriegel, H.P., Sander, J., Xu, X.: A density-based algorithm for discovering clusters in large spatial databases with noise. In: KDD, vol. 96, no. 34, pp. 226–231 (1996)

Dueck, D., Frey, B.J.: Non-metric affinity propagation for unsupervised image categorization. In: IEEE 11th International Conference on Computer Vision, pp. 1–8 (2007)

Dueck, D., Frey, Brendan, J., Jojic, N., Jojic, V., Giaever, G., Emili, A., Musso, G., Hegele, R.: Constructing treatment portfolios using affinity propagation. In: Vingron, M., Wong, L. (eds.) RECOMB 2008. LNCS, vol. 4955, pp. 360–371. Springer, Heidelberg (2008). doi:10.1007/978-3-540-78839-3_31 CrossRef

Givoni, I.E., Frey, B.J.: Semi-supervised affinity propagation with instance-level constraints. In: AISTATS, pp. 161–168 (2009)

Xu, X.Z., Ding, S.F., Shi, Z.Z., Zhu, H.: Optimizing radial basis function neural network based on rough sets and affinity propagation clustering algorithm. J. Zhejiang University Science C 13(2), 131–138 (2012)CrossRef

Fujiwara, Y., Irie, G., Kitahara, T.: Fast algorithm for affinity propagation. In: IJCAI Proceedings-International Joint Conference on Artificial Intelligence, vol. 22, no. 3, p. 2238 (2011)

10.

Wang, K., Zheng, J.: Fast algorithm of affinity propagation clustering under given number of clusters. Comput. Syst. Appl. 7, 207–209 (2010)

11.

Liu, X.Y., Fu, H.: A fast affinity propagation clustering algorithm. Shandong Daxue Xuebao(GongxueBan) 41(4), 20–23 (2011)MathSciNet

12.

Feng, X.L., Yu, H.T.: Research on density-insensitive affinity propagation clustering algorithm. Jisuanji Gongcheng/Computer Engineering, 38(2) (2012)

13.

Chen, X., Liu, W., Qiu, H., Lai, J.: APSCAN: a parameter free algorithm for clustering. Pattern Recogn. Lett. 32, 973–986 (2011)CrossRef

14.

Frey, B.J., Dueck, D.: Clustering by passing message between data points. Science 315, 972–976 (2007)MathSciNetCrossRefMATH

15.

Gionis, A., Mannila, H., Tsaparas, P.: Clustering aggregation. ACM Trans. Knowl. Discov. Data 1(1), 1–30 (2007)CrossRef

16.

Zahn, C.T.: Graph-theoretical methods for detecting and describing gestalt clusters. IEEE Trans. Comput. 100(1), 68–86 (1971)CrossRefMATH

17.

Veenman, C.J., Reinders, M.J.T., Backer, E.: A maximum variance cluster algorithm. IEEE Trans. Pattern Anal. Mach. Intell. 24(9), 1273–1280 (2002)CrossRef

18.

Chang, H., Yeung, D.Y.: Robust path-based spectral clustering. Pattern Recogn. 41(1), 191–203 (2008)CrossRefMATH

Titel: DAPPFC: Density-Based Affinity Propagation for Parameter Free Clustering
verfasst von: Hanning Yuan
Shuliang Wang
Yang Yu
Ming Zhong
Verlag: Springer International Publishing
Buch: Advanced Data Mining and Applications
Print ISBN: 978-3-319-49585-9

Electronic ISBN: 978-3-319-49586-6

Copyright-Jahr: 2016
DOI: https://doi.org/10.1007/978-3-319-49586-6_34

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"