加权PageRank改进地标表示的自编码谱聚类算法
针对传统谱聚类算法在处理大规模数据集时,聚类精度低并且存在相似度矩阵存储开销大和拉普拉斯矩阵特征分解计算复杂度高的问题.提出了一种加权PageRank改进地标表示的自编码谱聚类算法,首先选取数据亲和图中权重最高的节点作为地标点,以选定的地标点与其他数据点之间的相似关系来逼近相似度矩阵作为叠加自动编码器的输入.然后利用聚类损失同时更新自动编码器和聚类中心的参数,从而实现可扩展和精确的聚类.实验表明,在几种典型的数据集上,所提算法与地标点谱聚类算法和深度谱聚类算法相比具有更好的聚类性能.
机器学习、数据挖掘、聚类分析、地标点聚类、谱聚类、加权PageRank、自动编码器、聚类损失
15
TP18(自动化基础理论)
2020-08-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
302-309