10.19678/j.issn.1000-3428.0058893
基于共享最近邻的密度自适应邻域谱聚类算法
在谱聚类算法没有先验信息的情况下,对于具有复杂形状和不同密度变化的数据集很难构建合适的相似图,且基于欧氏距离的高斯核函数的相似性度量忽略了全局一致性.针对该问题,提出一种基于共享最近邻的密度自适应邻域谱聚类算法(SC-DANSN).通过一种无参数的密度自适应邻域构建方法构建无向图,将共享最近邻作为衡量样本之间的相似性度量进而消除参数对构建相似图的影响,体现全局和局部的一致性.实验结果表明,SC-DANSN算法相比K-means算法和基于K最近邻的谱聚类算法(SC-KNN)具有更高的聚类精度,同时相比SC-KNN算法对参数的选取敏感性更低.
谱聚类;相似性矩阵;密度自适应邻域;共享最近邻;K最近邻
47
TP391(计算技术、计算机技术)
重庆市重点产业共性关键技术创新重大主题专项;重庆市基础与前沿研究计划项目
2021-08-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
116-123