基于路径相似度测量的鲁棒性谱聚类算法

• 作者: 李泽明 石欣 范敏
• 来源期刊: 计算机应用研究
• 关键词: 谱聚类 基于路径聚类 半监督聚类 尺度参数 鲁棒性 邻域加权尺度因子
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 372-375
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.02.012

摘要

传统谱聚类算法受高斯核尺度参数的影响较大，对噪声点较为敏感，并且不能利用先验信息指导聚类过程。针对以上问题，提出了一种基于路径相似度测量的鲁棒性谱聚类算法（RPB-SC）。该算法将路径聚类与谱聚类算法相结合，通过定义高斯核的邻域加权尺度因子计算相似度，再用路径聚类思想对全局相似度进行调节，同时通过成对限制先验信息辅助聚类搜索。在人工数据集和真实数据集上的实验表明，新提出的算法能有效减弱高斯核尺度参数的影响，增强对噪声点的鲁棒性，提高聚类性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范敏	重庆大学自动化学院	35	444	14.0	18.0
2	石欣	重庆大学自动化学院	36	639	14.0	25.0
3	李泽明	重庆大学自动化学院	3	17	3.0	3.0