基于信息的聚类
摘要：一个信息理论的聚类方法的应用：去除关于数据结构的假设，避免定义聚类"原型"、先验相似度度量以及对数据表示变化的不变性的需求，并自然地捕捉了非线性关系。该方法在不同领域应用显示出了比现有算法提供的更一致的聚类结果，并以集体相似性概念而非传统的成对度量来进行聚类。
作者：Noam Slonim, Gurinder Singh Atwal, Gasper Tkacik, William Bialek
论文ID：q-bio/0511043
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2009-11-11