基于低密度分割密度敏感距离的谱聚类算法

摘要：

本文提出一种基于低密度分割密度敏感距离的谱聚类算法,该算法首先使用低密度分割密度敏感距离计算相似度矩阵,该距离测度通过指数函数和伸缩因子实现放大不同流形体数据间的距离和缩短同一流形体数据间距离的目的,从而有效反映数据分布的全局一致性和局部一致性特征.另外,算法通过增加相对密度敏感项来考虑数据的局部分布特征,从而有效避免孤立噪声和“桥”噪声的影响.文中最后给出了基于SC (Scattering criteria)指标的k近邻图k值选取办法和基于谱熵贡献率的特征向量选取方法.实验部分,讨论了参数选择对算法性能的影响并给出取值建议,通过与其他流行谱聚类算法聚类结果的对比分析,表明本文提出的基于低密度分割密度敏感距离的谱聚类算法聚类性能明显优于其他算法.

关键词：谱聚类、低密度分割、欧氏距离、密度敏感、鲁棒性

所属期刊栏目：46

资助基金：国家自然科学基金;中央高校基本科研业务费专项资金;东北林业大学双一流科研启动基金

在线出版日期：2020-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：1479-1495