10.11896/j.issn.1002-137X.2018.05.033
基于堆和邻域共存信息的KNN相似图算法
在谱聚类算法中,相似图的构造至关重要,对整个算法的聚类结果和运行效率都有着巨大影响.为了加快谱聚类的运算速度和通过近邻截断提高其性能,通常选择K近邻(KNN)方法来构造稀疏的相似图,而K近邻图对离群点非常敏感,这种噪声边会严重影响聚类算法的性能.文中提出了一种新的高效稀疏亲和图构造方法HCKNN,其中基于堆的K近邻搜索比基于排序的近邻选择在效率方面提升了log(n),基于邻域共存累计的阈值化来进行邻域约减不仅能够去除噪声边以提高聚类性能,还能进一步稀疏化相似矩阵,从而加速谱聚类中的特征分解.
谱聚类、相似图、堆、稀疏K近邻
45
TP391.4(计算技术、计算机技术)
江苏省科技支撑计划BE2012386,BE2011342;江苏省农业自主创新项目CX133054,CX161006;江苏省普通高校研究生创新计划项目KYLX16_0464
2018-06-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
196-200,227