典型文献
基于方向性多重假设检验和信息熵的函数型数据聚类新方法
文献摘要：
近年来,针对函数型数据的聚类分析得到了一定程度的发展.但当数据属于无限维空间时,会给聚类带来一定的难度.传统聚类方法的局限性在函数型数据的聚类过程中日益凸显.因此,本文提出了一种针对函数型数据的新聚类方法,能够更好地适应数据的特点,实现较好的聚类效果.首先基于错误发现率的方向性多重假设检验和信息熵的理论,提出了新的平行度统计量,用以描述函数型曲线的形态差异.在此基础上提出了新接近度的计算公式,最终改进了凝聚式层次聚类算法.新的聚类方法被应用到4个不同类型的函数型数据集中,并与现有的其它方法的聚类结果进行分析和比较,证明了改进后的凝聚式层次聚类方法的有效性.
文献关键词：
函数型数据聚类分析;错误发现率;方向性多重假设检验;信息熵;平行度
中图分类号：
作者姓名：
杜秀丽;姜晓虎;孙晨瞳;于正
作者机构：
南京师范大学数学科学学院,江苏 南京210023
文献出处：
引用格式：
[1]杜秀丽;姜晓虎;孙晨瞳;于正-.基于方向性多重假设检验和信息熵的函数型数据聚类新方法)[J].南京师大学报（自然科学版）,2022(04):1-9
A类：
方向性多重假设检验,函数型数据聚类分析
B类：
信息熵,维空间,聚类方法,错误发现率,平行度,统计量,描述函数,形态差异,新接,凝聚式层次聚类,层次聚类算法
AB值：
0.174424
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
