张璐, 孔令臣, 陈黄岳

北京交通大学理学院, 北京 100044

收稿日期:2018-06-05出版日期:2019-09-15发布日期:2019-08-21


基金资助:国家自然科学基金（批准号：11431002和11671029）资助.

AGGLOMERATIVE HIERARCHICAL CLUSTERING VIA DISTANCE CORRELATION

Zhang Lu, Kong Lingchen, Chen Huangyue

School of Science, Beijing Jiaotong University, Beijing 100044, China

Received:2018-06-05Online:2019-09-15Published:2019-08-21







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

随着大数据时代的到来，各个领域涌现出海量数据且结构复杂.如变量的维数不同、尺度不同等.而现实中变量之间往往存在着不确定关系，经典的Pearson相关系数仅能反映两个同维变量间的线性相关关系，不足以完全刻画变量间的相关关系.2007年Szekely等提出的距离相关系数则能描述不同维数变量间的非线性关系.为了探索变量之间的内在信息，本文基于距离相关系数提出了最大距离相关系数法对变量聚类，且有超度量性和空间收缩性.为充分发挥距离相关系数的优势，对上述方法改进得到类整体距离相关系数法.该方法在刻画两类间相似性时，将每类中的所有变量合并成一个整体，再计算这两个不同维数的整体间的距离相关系数.最后，将类整体距离相关系数法应用到几个实际问题中，验证了算法的有效性.
MR(2010)主题分类:
62H12
62H30
65D99
90C26
62P99

分享此文:

()

[1] Pearson K. Contributions to the mathematical theory of evolution[J]. Philosophical Transactions of the Royal Society of London, 1894, A 185(1):71-110. [2] Li S Z, Rizzo M L. K-groups:A Generalization of k-means clustering[J]. ArXiv e-prints, 2017. [3] Szekely G J, Rizzo M L, Bakirov N K. Measuring and testing independence by correlation of distances[J]. Annals of Statistics, 2007, 35(6):2769-2794. [4] Kong J, Klein B E K, Klein R, Lee K, Wahba G. Using distance correlation and SS-AVOVA to assess associations of familial relationships, lifestyle factors, diseases, and mortality[J]. Proceeding of the National Academy of Sciences, 2012, 109(50):20352-20357. [5] Li R, Zhong W, Zhu L. Feature screening via distance correlation learning[J]. Journal of the American Statistical Association, 2012, 107, 1129-1139. [6] Sheng W, Yin X. Direction estimation in single-index models via distance covariance[J]. Journal of Multivariate Analysis, 2013, 122:148-161. [7] Sheng W, Yin X. Sufficient dimension reduction via distance covariance[J].Journal of Computational Graphical Statistics, 2016, 25:91-104. [8] Van Roovij A C M. Non Archimedean Functional Analysis[M]. New York:M. Dekker, 1978. [9] Chen Z M, Van Ness J W. Space-conserving and agglomerative algorithms[J]. Journal of Classification, 1996, 13:157-163. [10] 张敏强.教育与心理统计学[M].北京:人民教育出版社, 1993, 313-313. [11] 吴诚欧,秦伟良.近代实用多元统计分析[M].北京:气象出版社, 2007, 148-150.

[1]	夏雨晴, 张振跃. 子空间聚类的重建模型及其快速算法[J]. 计算数学, 2019, 41(1): 1-11.
[2]	刘歆, 吴国宝, 张瑞, 张在坤. 一种连续的谱聚类优化模型[J]. 计算数学, 2018, 40(4): 354-366.
[3]	石子烨, 梁恒, 白峰杉. 数据分割的分子动力学算法[J]. 计算数学, 2014, 36(3): 325-334.

--> -->

	阅读次数
	全文
	摘要
	Cited
	Shared

PDF全文下载地址:

http://www.computmath.com/jssx/CN/article/downloadArticleFile.do?attachType=PDF&id=275