AP聚类算法，在迭代求出了收敛的吸引度矩阵和归属度矩阵之后，该怎么确定簇中心点和进行下边的聚类呢

张土豆 2015-07-14 12:21:47

最近在做一个图片聚类的小程序，根据知网上找到的文献已经把AP算法的两个主要矩阵求出来了，但是文献上没有说明白下边该进行哪些步骤，所以希望有高手指点。指出个大致方向便不胜感激。

...全文

2359 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

qq_38793321 2017-11-01

打赏
举报

回复

请问，最初迭代的r（i.k）.a(i.k)取什么值啊

lixi__liu 2015-09-17

打赏
举报

回复

对于某个节点k，a（k，k） + r（k，k）大于0的就可以认为是一个聚类中心，做个遍历就可以了

lixi__liu 2015-09-17

打赏
举报

回复

不断迭代计算这两个矩阵，直到聚类中心不再发生变化，最后根据这些聚类中心到节点的a+r值，将其余节点划分到这些聚类中心下面去

本课程主要讲解介绍无监督学习、聚类算法 、常见聚类算法的应用和优化、tensorflow的基本处理流程。通过课程学习可以了解机器学习中的无监督学习 2.可以学习到Python下TensorFlow处理问题的流程 3.选择无监督的聚类算法来处理问题。

AP聚类算法是基于数据点间的"信息传递"的一种聚类算法。与k-均值算法或k中心点算法不同，AP算法不需要在运行算法之前确定聚类的个数。AP算法寻找的"examplars"即聚类中心点是数据集合中实际存在的点，作为每类的代表。算法描述：假设$\{ {x_1},{x_2}, \cdots ,{x_n}\} $数据样本集，数据间没有内在结构的假设。令是一个刻画点之间相似度的矩阵，使得$s(i,j) &g...

kmeans聚类以及fcm聚类的一大局限是需要提前知道大致的聚类个数，现实中使用比较受限，2007年，Frey和Dueck在Science发表了《Clustering by Passing Messages Between Data Points》，提出了AP聚类的方法，此方法采用点点之间交换信息的方式聚类，下面对此算法进行分析并且用matlab实现之。 1.算法原理首先我们定义三个矩阵: 1.相似度矩阵s(i,k)：表示数据点k作为数据点i的聚类中心的能力（相当于k是参选人，i是选民），可以用欧氏距离来

简单介绍理解成本较高却异常好用的聚类算法。

1、算法简介（1）概述：AP聚类是在2007年的《Clustering by Passing Messages Between Data Points》一文中首次提出的一种新的聚类算法。该算法无需事先定义类数，而是在迭代过程中不断搜索合适的聚类中心，自动从数据点间识别类中心的位置及个数，使所有的数据点到最近的类代表点的相似度之和最大。算法开始时把所有的数据点均视作类中心，通过数据点间的“信息传递”来实现聚类过程。与传统的K-均值算法对初始类中心选择的敏感性相比，AP算法是一种确定性的聚类算法，多次独立运

1,265

社区成员

28,324

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章