一种基于ELM-AE特征表示的谱聚类算法
在实际应用中,数据点中包含的冗余特征和异常值(噪声)严重影响了聚类中更显著的特征的发现,大大降低了聚类性能.本文提出了一种基于ELM-AE(extreme learning machine as autoencoder)特征表示的谱聚类算法(spectral clustering via extreme learning machine as autoencoder,SC-ELM-AE).ELM-AE 通过奇异值分解学习源数据主要特征表示,使用输出权值实现从特征空间到原输入数据的重构;再将该特征表示空间作为输入进行谱聚类.实验表明,在5个UCI数据集验证中,SC-ELM-AE算法性能优于传统的K-Means、谱聚类等现有算法,特别是在复杂高维数据集PEMS-SF和TDT2_10上,聚类平均精确度均提高30%以上.
谱聚类;特征表示;极限学习机;自编码器;极限学习机自编码器;机器学习;聚类分析;数据挖掘
16
TP391(计算技术、计算机技术)
国家自然科学基金项目;江苏省高校哲学社会科学研究项目;江苏高校"青蓝工程"
2021-08-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
560-566