基于密度自适应邻域相似图的半监督谱聚类

摘要：

谱聚类是基于谱图划分理论的一种聚类算法,传统的谱聚类算法属于无监督学习算法,只能利用单一数据来进行聚类.针对这种情况,提出一种基于密度自适应邻域相似图的半监督谱聚类(DAN-SSC)算法.DAN-SSC算法在传统谱聚类算法的基础上结合了半监督学习的思想,很好地解决了传统谱聚类算法无法充分利用所有数据,不得不对一些有标签数据进行舍弃的问题;将少量的成对约束先验信息扩散至整个空间,使其能更好地对聚类过程进行指导.实验结果表明,DAN-SSC算法具有可行性和有效性.

关键词：谱聚类、密度自适应邻域、相似图、半监督学习

所属期刊栏目：37

分类号：TP301.6(计算技术、计算机技术)

资助基金：江苏省产学研合作项目BY2015019-30

在线出版日期：2020-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2604-2609