摘要：近邻传播（AP）聚类算法面临的一个问题是不适用于多重尺度及任意空间形状的数据聚类处理。该文从数据分布特性的表征出发,提出了一种改进的近邻传播聚类算法AP-VSM（Affinity Propagation based on Variable-Similarity Measure）。首先,综合数据的全局与局部分布特性,设计了一种数据可变相似性度量计算方法,该度量可以有效地反映数据实际聚类的分布特性;然后在传统AP算法框架基础上,构造出基于可变相似性度量的近邻传播聚类算法,从而拓展了传统AP算法的数据处理能力。仿真实验验证了新方法性能优于传统AP算法。

关键词：数据处理 聚类分析 近邻传播聚类 可变相似性度b量 流形分析 

单位：南京邮电大学信息网络研究所 南京210003 中国科学院智能机械研究所 合肥230031