基于局部密度构造相似矩阵的谱聚类算法

TP391; 依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法.首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然后以GN算法思想为参考,给出了一种基于边介数的权值矩阵计算方法,经过数据转换得到谱聚类相似矩阵;最后通过第一个极大本征间隙出现的位置来确定类个数,并利用经典聚类方法对特征向量空间中的数据点进行聚类.通过人工仿真数据集和UCI数据集进行测试,实验结果表明本文谱聚类算法具有较好的顽健性....

Full description

Saved in:
Bibliographic Details
Published in通信学报 no. 3; pp. 14 - 22
Main Authors 吴健, 崔志明, 时玉杰, 盛胜利, 龚声蓉
Format Journal Article
LanguageChinese
Published 苏州大学 智能信息处理及应用研究所,江苏 苏州 215006%美国阿肯色中央大学 计算机科学系,阿肯色州 康威 72035-0001 2013
Subjects
local density
局部密度
edge betweenness
无向图构建
similarity matrix
边介数
谱聚类
相似矩阵
spectral clustering
undirected graph building
Online AccessGet full text
ISSN1000-436X
DOI10.3969/j.issn.1000-436x.2013.03.003

Cover

More Information
Summary:TP391; 依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法.首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然后以GN算法思想为参考,给出了一种基于边介数的权值矩阵计算方法,经过数据转换得到谱聚类相似矩阵;最后通过第一个极大本征间隙出现的位置来确定类个数,并利用经典聚类方法对特征向量空间中的数据点进行聚类.通过人工仿真数据集和UCI数据集进行测试,实验结果表明本文谱聚类算法具有较好的顽健性.
ISSN:1000-436X
DOI:10.3969/j.issn.1000-436x.2013.03.003