基于公理化模糊子集的改进谱聚类算法

摘要：

谱聚类算法通常是采用高斯核作为相似性度量,并利用所有可用的特征来构建具有欧氏距离的相似度矩阵,数据集复杂度会影响其谱聚类性能,因此该文提出一种基于公理化模糊子集(AFS)的改进谱聚类算法.首先结合AFS算法,利用识别特征来衡量更合适的数据成对相似性,生成更强大的亲合矩阵;再有效地利用Nystr(o)m采样算法,计算采样点间以及采样点和剩余点间的相似度矩阵去降低计算的复杂度;最后通过在不同数据集以及图像分割上进行实验,证明了提出算法的有效性.

关键词：亲和矩阵、谱聚类、公理化模糊子集、Nystr(o)m采样算法

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61763029;甘肃省基础研究创新群体基金1506RJIA031

在线出版日期：2019-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1904-1910