近邻自适应局部尺度的谱聚类算法
针对尺度参数选取对使用高斯核函数的传统谱聚类算法性能的影响,提出一种以近邻自适应局部尺度代替全局统一尺度的新谱聚类算法.该算法在数据聚类一致性特征的基础上,首先强调局部尺度的灵活性,即每个样本数据对应一个尺度参数,克服了传统方法中所有样本对应单一全局尺度参数的局限性,更好地刻画数据集的本征结构.其次注重参数选取的便捷性,即通过对样本周围N个近邻计算加权距离和作为局部尺度的值,从而实现了尺度参数的自动选取.从理论和实验两个角度阐述该算法不仅对离群点有一定的抑制作用,而且能对尺度分布不同的数据类进行准确聚类.最后,在人工数据集和UCI数据集上验证了该算法的有效性.
局部尺度、谱聚类、近邻自适应、全局尺度
17
TP391.9(计算技术、计算机技术)
国家自然科学基金项目61102028,61070127;浙江省国际合作重大项目2009C14013
2012-06-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
523-529