论文部分内容阅读
基于构造性核覆盖学习方法的思想,提出了一种构造性核覆盖聚类算法。首先将原空间的待分类样本映射到一个高维的特征空间中,使得样本变得线性可分,然后在核空间采用构造性覆盖方法进行覆盖领域的构造,这组领域能将相似度小的样本分割开来,将相似度大的样本聚合在一起,通过定义一定的相似度度量标准和目标函数,达到聚类的效果。仿真实验也验证了该方法的有效性和可行性。