基于 Vicsek 模型线性化版本的同步聚类
机器学习
2014-11-04 v1 数据库
摘要
本文提出了一种基于 Vicsek 模型线性化版本的有效同步聚类方法。该方法可表示为有效同步聚类算法 (ESynC)、ESynC 算法的改进版本 (IESynC)、基于另一种线性 Vicsek 模型的收缩同步聚类算法 (SSynC) 以及有效的多级同步聚类算法 (MSynC)。经过一些分析与比较，我们发现基于 Vicsek 模型线性化版本的 ESynC 算法比基于扩展 Kuramoto 模型的 SynC 算法以及基于原始 Vicsek 模型的类似同步聚类算法具有更好的同步效果。通过对一些人工数据集的模拟实验，我们观察到 ESynC、IESynC 和 SSynC 算法虽然需要的迭代次数和时间少于 SynC 算法，但能获得更好的同步效果。在某些模拟中，我们还观察到 IESynC 和 SSynC 算法在时间成本上较 ESynC 算法有所改进。最后，本文对该算法的推广提出了一些研究展望。
引用
@article{arxiv.1411.0189,
title = {Synchronization Clustering based on a Linearized Version of Vicsek model},
author = {Xinquan Chen},
journal= {arXiv preprint arXiv:1411.0189},
year = {2014}
}
备注
37 pages, 9 figures, 3 tabels, 27 conference