高维数据的增量式聚类算法的距离度量选择研究
【摘要】 合适的距离度量函数对于聚类结果有重要的影响。针对大规模高维数据集，使用增量式聚类算法进行距离度量的选择分析。SpFCM算法是将大规模数据集分成小样本进行增量分批聚类，可在有限的计算机内存中获得较好的聚类结果。在传统的SpFCM算法的基础上，使用不同的距离度量函数来衡量样本之间的相似性，以得出不同的距离度量对SpFCM算法的影响。在不同的大规模高维数据集中，使用欧氏距离、余弦距离、相关系数距离和扩展的杰卡德距离来计算距离。实验结果表明，后3个距离度量相对于欧氏距离可以很大程度地提高聚类效果，其中相关系数距离可以得到较好的结果
