擬陣約束下最大化子模函數(shù)的模型及其算法的一種熵聚類方法

　　本文提出了一個(gè)新的帶有信息熵的聚類目標(biāo)函數(shù)，它是由基于圖論的隨機(jī)路徑的熵率和平衡項(xiàng)兩部分組成。熵率有利于形成緊湊和均勻的聚類，平衡函數(shù)鼓勵(lì)相似度比較高的對(duì)象才能聚類，并懲罰那些相似度比較低的對(duì)象。首先構(gòu)造了與數(shù)據(jù)關(guān)聯(lián)的賦權(quán)無(wú)向圖，并發(fā)現(xiàn)這種構(gòu)造誘導(dǎo)出一個(gè)擬陣，它是一個(gè)組合在向量空間中推廣線性獨(dú)立概念的結(jié)構(gòu)。接著得到了擬陣約束下最大化子模函數(shù)的模型。最后根據(jù)目標(biāo)函數(shù)的單調(diào)性、遞增性和下模性，開發(fā)了一個(gè)高效的貪婪算法并討論了它的性能保證。最后根據(jù)數(shù)值實(shí)驗(yàn)，與已有的算法做了比較，說(shuō)明了該算法的有效性。
?