基于局部和全局信息的正则化迭代聚类

• 作者: 王士同 许小龙
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 凸形 谱聚类 局部正则化 全局正则化 迭代
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 21-28
• 页数: 8页
• 分类号: TP181
• 字数: 6829字
• 语种: 中文

摘要

聚类是一种高效的数据分析方法，经典的K-means算法只适用于类簇为凸形的数据集，谱聚类算法虽然避免了K-means的一些缺点，但相似度中的参数设置问题以及较高的计算、存储复杂度对聚类有所限制。基于局部和全局信息的正则化迭代聚类，先取部分数据作为一个整体聚类，然后逐渐加入少量数据进行迭代求解。该方法继承传统谱聚类的优点，充分利用局部正则化和全局正则化信息，通过迭代方式求解使较大规模数据聚类成为可能。通过实验对比结果显示，该算法有良好的聚类效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	许小龙	江南大学数字媒体学院	5	4	1.0	1.0