自适应谱聚类算法研究

被引：15

作者：

卜德云

张道强

机构：

[1] 南京航空航天大学计算机科学与工程系

来源：

山东大学学报(工学版) | 2009年 / 39卷 / 05期

关键词：

自适应; 谱聚类; 参数选取;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

谱聚类能识别出在原空间中线性不可分的聚类,且其效果优于传统聚类算法.谱聚类要想获得好的效果必须选择一个合适的尺度参数,本文在传统谱聚类算法的基础上引入类似核选取的技巧,提出了一个能自动选取该尺度参数的自适应谱聚类算法.将该算法和现有的谱聚类参数选择算法作了比较,在人工数据集和UCI数据集上的实验表明,自适应谱聚类算法在很多情况下优于其它参数选择算法.

引用

页码：22 / 26

页数：5

共 14 条

[1]

Onspectral clustering:analys-is and an algorithm. NGA,JORDANM,WEISS Y. Advancesin Neural Information Pro-cessing Systems(NIPS) . 2002

[2] A tutorial on spectral clustering [J].

von Luxburg, Ulrike .

STATISTICS AND COMPUTING, 2007, 17 (04) :395-416

[3]

Atutorial on spectral clustering. LUXBURGvon U. Statistics and Computing . 2007

[4]

On clusterings-good,bad and spectral. Kannan R,Vempala S,Vetta A. Proceedings of the Annual IEEESymposium on Foundations of Computer Science . 2000

[5]

Pattern Recognition with Fuzzy Objective Function Algorithms. JC Bezdek. . 1981

[6]

Data clustering:a review. A.K.Jain,,M.N.Murty,,P.J.Flynn. ACM conputing surveys . 1999

[7]

Normalized cuts and image segmentation. Shi J,Malik J. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2000

[8]

Algebraic connectivity of graphs. Fiedler M. Czechoslovak Mathematical Journal . 1973

[9]

UCI repository of machine learning databases. BLAKE C,KEOGHE,MERZ CJ. http://www.ics.uci.edu/~mlearn/MLRepository.html . 2009

[10]

Adaptive kernel principal component analysis with unsupervised learning of kernels. ZHANG D,ZHOUZ H,CHENS. Proceedings of the6th IEEEInternational Conference on Data Mining(ICDM’06) . 2006

← 1 2 →