基于有效距离的谱聚类算法

摘要：

在现有多种距离度量和传统谱聚类算法的基础上，提出了一种新的基于有效距离的谱聚类算法（spec-tral clustering based on effective distance，SCED）。SCED算法通过稀疏重构系数来构建样本与样本之间的有效距离，从而代替传统谱聚类算法中的欧氏距离，进行样本之间的相似度评估。与传统距离度量相比，有效距离不仅利用了样本对之间的距离信息，同时考虑了目标样本与其他所有相关样本之间的距离信息，因而该距离度量具有全局特性。在UCI标准数据集上的实验结果表明，SCED算法能有效提高聚类效果。

关键词：谱聚类、有效距离、距离度量

分类号：TP181(自动化基础理论)

资助基金：The Natural Science Foundation for Distinguished Young Scholar of Jiangsu Province under Grant No. BK2013003;the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20123218110009;the Fundamental Research Funds of NUAA under Grant No. NE2013105

在线出版日期：2014-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1365-1372