一种基于流形距离核的谱聚类算法

被引:28
作者
陶新民
宋少宇
曹盼东
付丹丹
机构
[1] 哈尔滨工程大学信息与通信工程学院
基金
中国博士后科学基金;
关键词
谱图理论; 谱聚类; 流形距离核; 自适应;
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
针对标准谱聚类算法中,基于欧氏距离的相似性度量不能完全反映数据聚类复杂的空间分布特性的问题,提出了一种基于流形距离核的谱聚类算法.它能充分挖掘数据集中的内在结构信息,较好地反映局部和全局一致性,并且可以很好地防止"桥"噪声点的影响,提高算法的聚类性能.与传统的聚类算法和常见谱聚类算法进行了比较,在人工数据集和UCI数据集上的实验都验证了本算法能够获得更好的聚类效果.
引用
收藏
页码:307 / 313
页数:7
相关论文
共 8 条
[1]   三种典型的基于图分割的谱聚类方法比较 [J].
王娜 ;
杜海峰 ;
庄健 ;
余进涛 ;
王孙安 .
系统仿真学报, 2009, 21 (11) :3316-3320
[2]   基于流形距离的人工免疫无监督分类与识别算法 [J].
公茂果 ;
焦李成 ;
马文萍 ;
张向荣 .
自动化学报, 2008, (03) :367-375
[3]   密度敏感的半监督谱聚类 [J].
王玲 ;
薄列峰 ;
焦李成 .
软件学报, 2007, (10) :2412-2422
[4]   密度敏感的谱聚类 [J].
王玲 ;
薄列峰 ;
焦李成 .
电子学报, 2007, (08) :1577-1581
[5]   Spectral clustering with density sensitive similarity function [J].
Yang, Peng ;
Zhu, Qingsheng ;
Huang, Biao .
KNOWLEDGE-BASED SYSTEMS, 2011, 24 (05) :621-628
[6]   On Evolutionary Spectral Clustering [J].
Chi, Yun ;
Song, Xiaodan ;
Zhou, Dengyong ;
Hino, Koji ;
Tseng, Belle L. .
ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA, 2009, 3 (04)
[7]   A tutorial on spectral clustering [J].
von Luxburg, Ulrike .
STATISTICS AND COMPUTING, 2007, 17 (04) :395-416
[8]  
Data clustering[J] . A. K. Jain,M. N. Murty,P. J. Flynn.ACM Computing Surveys (CSUR) . 1999 (3)