×
王晓刚;邱伟良;鲁本·扎马（Ruben H.Zamar）。

CLUES：一种基于局部收缩的非参数聚类方法。 （英语） Zbl 1452.62474号

计算。统计数据分析。 52，第1期，286-298（2007）.
摘要：提出了一种基于非参数局部收缩的非参数聚类方法。每个数据点的转换方式都是这样的，即向集群中心移动特定距离。每个运动的方向和相关大小由其最近邻域的中值决定。重复此过程，直到满足预定义的收敛标准。邻域数的最佳值是通过优化一些常用的指标函数来确定的，这些指标函数用于衡量算法生成的簇的强度。除了收敛的停止规则外，聚类数和最终划分都是在没有任何输入参数的情况下自动确定的。在模拟和实际数据集上的实验表明，与经典聚类算法相比，该算法具有较高的精度。

引用于8文件

MSC公司：

62小时30分 分类和区分；聚类分析（统计方面）
62G05型 非参数估计
62J07型 岭回归；收缩估计器（拉索）
62-08 统计问题的计算方法

关键词：

自动聚类;\（K\）-最近邻;局部收缩;集群数量

软件：

ElemStatLearn（电子状态学习）;群集查找;AS 136标准;对;线索
PDF格式BibTeX公司 XML格式引用
\textit{X.Wang}等人，计算。统计数据分析。52，第1号，286--298（2007；Zbl 1452.62474）
全文： 内政部 链接

参考文献：

[1] 安德森，E.，《盖斯佩半岛的虹膜》，布尔。阿默尔。Iris Soc.，59，2-5（1935年）
[2] Ankerst，M.，Breunig，M.M.，Kriegel，H.P.，Sander，J.，1999年。光学：用于标识集群结构的排序点。摘自：《1999年ACM SIGMOD国际数据管理会议记录》，宾夕法尼亚州费城，第49-60页。；Ankerst，M.，Breunig，M.M.，Kriegel，H.P.，Sander，J.，1999年。光学：用于标识集群结构的排序点。摘自：《1999年ACM SIGMOD国际数据管理会议记录》，宾夕法尼亚州费城，第49-60页。
[3] Bradley，S.，Fayyad，U.M.，Reina，C.A.，1998年。将集群算法扩展到大型数据库。摘自：《第四届知识发现和数据挖掘国际会议论文集》，AAAI出版社，第9-15页。；Bradley，S.，Fayyad，U.M.，Reina，C.A.，1998年。将集群算法扩展到大型数据库。摘自：《第四届知识发现和数据挖掘国际会议论文集》，AAAI出版社，第9-15页。
[4] Calinski，R.B。；Harabasz，J.，用于聚类分析的树枝晶方法，Comm.Statist。，3, 1-27 (1974) ·Zbl 0273.62010
[5] 程，M.Y。；Hall，P.，校准模态的过剩质量和倾角测试，J.Roy。统计师。Soc.序列号。B、 60579-589（1998年）·Zbl 0909.62046号
[6] Cheng，Y.，Mean shift，mode searching，and clustering，IEEE Trans。模式分析。机器。智力。，17, 790-799 (1995)
[7] Comaniciu，D.，Meer，P.，1999年。均值漂移分析和应用。摘自：第七届计算机视觉国际会议记录，第1197-1203页。；Comaniciu，D.，Meer，P.，1999年。均值漂移分析和应用。摘自：第七届计算机视觉国际会议记录，第1197-1203页。
[8] Comaniciu，D.，Meer，P.，2000年。使用mean shift实时跟踪非刚性对象。摘自：IEEE计算机视觉和模式识别会议，第2卷，第142-149页。；Comaniciu，D.，Meer，P.，2000年。使用mean shift实时跟踪非刚性对象。摘自：IEEE计算机视觉和模式识别会议，第2卷，第142-149页。
[9] Comaniciu，D.，Meer，P.，2001年。可变带宽均值漂移和数据驱动的尺度选择。摘自：《第八届计算机视觉国际会议记录》，第1卷，第438-445页。；Comaniciu，D.，Meer，P.，2001年。可变带宽均值漂移和数据驱动的尺度选择。见：《第八届计算机视觉国际会议记录》，第1卷，第438-445页。
[10] 科马尼丘，D。；Meer，P.，Mean shift:一种稳健的特征空间分析方法，IEEE Trans。模式分析。机器。智力。，24, 603-619 (2002)
[11] Fisher，R.A.，《分类问题中多重测量的使用》，Ann.Eugen。，7, 179-188 (1936)
[12] 弗雷利，C。；Raftery，A.E.，基于模型的聚类、判别分析和密度估计，J.Amer。统计师。协会，97，611-631（2002）·Zbl 1073.62545号
[13] 弗里古伊，H。；Krishnapuram，R.，《计算机视觉中应用的稳健竞争聚类算法》，IEEE Trans。模式分析。机器。智力。，21, 450-465 (1999)
[14] Fukunaga，K。；Hostetler，L.D.，密度函数梯度的估计及其在模式识别中的应用，IEEE Trans。通知。理论，21，32-40（1975）·Zbl 0297.62025号
[15] Hall，P.，Heckman，N.，2000年。估计和描述随机函数分布的结构。《技术报告197》，不列颠哥伦比亚大学统计系。；Hall，P.，Heckman，N.，2000年。估计和描述随机函数分布的结构。《技术报告197》，不列颠哥伦比亚大学统计系·兹比尔0996.62030
[16] Hartigan，J.A。；Wong，M.A.，A\（k\）-表示聚类算法，应用。统计学。，28, 100-108 (1979) ·Zbl 0447.62062号
[17] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素：数据挖掘、推断和预测》（2001），施普林格出版社：柏林施普林格·Zbl 0973.62007号
[18] 休伯特，L。；Arabie，P.，比较分区，J.分类，2193-218（1985）
[19] 考夫曼，L。；Rousseeuw，P.J.，《在数据中发现群体：聚类分析导论》（1990），威利：威利纽约·Zbl 1345.62009号
[20] Kundu，S.，引力聚类：基于点空间分布的新方法，模式识别，321149-1160（1999）
[21] Mack，Y.P。；Rosenblatt，M.，《多元（k）-最近邻密度估计》，《多元分析杂志》。，9, 1-15 (1979) ·Zbl 0406.62023号
[22] MacQueen，J.B.，1967年。多元观测值分类和分析的一些方法。摘自：《伯克利第五届研讨会论文集——数学统计概率》，第1卷，第281-297页。；MacQueen，J.B.，1967年。多元观测值分类和分析的一些方法。摘自：《伯克利第五届研讨会论文集——数学统计概率》，第1卷，第281-297页·Zbl 0214.46201号
[23] Maronna，R。；Jacovkis，P.M.，《具有可变指标的多元聚类程序》，生物统计学，30499-505（1974）·Zbl 0285.62036号
[24] Milligan，G.W。；Cooper，M.C.，《确定数据集中簇数的程序检查》，《心理测量学》，第50期，第159-179页（1985年）
[25] Milligan，G.W。；Cooper，M.C.，《层次聚类分析外部标准的可比性研究》，《多元行为》。决议，21，441-458（1986）
[26] 莫雷，L.C。；Agresti，A.，《分类一致性的衡量：对随机一致性的兰德统计的调整》，教育。精神病。测量。，44, 33-37 (1984)
[27] Ruspini，E.H.，模糊聚类的数值方法，Inform。科学。，2, 319-350 (1970) ·Zbl 0205.21301号
[28] Sato，Y.，《一种自主聚类技术》（Kiers，A.L.H.；Rasson，J.P.；Groenen，P.J.E.；Schader，M.，《数据分析、分类和相关方法》（2000年），Springer:Springer Berlin）·Zbl 1055.91069号
[29] Tibshirani，R.，Walther，G.，Hastie，T.，2000年。通过间隙统计估计数据集中的簇数。斯坦福大学统计系第208号技术报告。；Tibshirani，R.，Walther，G.，Hastie，T.，2000年。通过间隙统计估计数据集中的簇数。斯坦福大学统计系第208号技术报告·Zbl 0979.62046号
[30] Wang，J.H。；Rau，J.D.，《VQ聚集：一种新的聚类方法》，IEE Proc。视觉。图像信号处理。，148，36-44（2001年）
[31] Wright，W.E.，《引力聚类，模式识别》，9151-166（1977）
[32] Zhung，X。；黄，Y。；Palaniappan，K。；Lee，J.S.，高斯混合建模、分解和应用，IEEE Trans。信号处理。，5, 1293-1302 (1996)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。