基于局部结构保留的级联子空间深度聚类

摘要：

针对高维数据聚类的问题,许多有效的方法已经被提出,级联的子空间聚类算法CSC就是一种有效的解决法案.但是CSC算法定义的聚类损失可能破坏特征空间,从而取得非代表性的无意义特征,进而损害聚类性能.为了解决这一问题,提出了一种结合自编码器保留数据结构的改进算法.具体地说,使用聚类损失作为引导,分散特征空间数据点,同时采用一种欠完备的自动编码器作为重构损失,约束操作和维护数据生成分布的局部结构.将两者结合,共同优化聚类标签的分配,学习适合聚类的局部结构保留特征.使用自适应矩估计(Adam)和小批量随机梯度下降(mini-batch SGD)两种优化方法调整模型参数.在多个数据集上,使用聚类结果准确率(ACC)、标准互信息(NMI)和调整rand指数(ARI)三个评价指标验证了该算法的有效性和优越性.

关键词：高维数据聚类、自编码器、聚类损失、重构损失

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;江西省自然科学基金资助项目

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2358-2361