一种基于自适应相似矩阵的谱聚类算法

• 作者: 孙笑仙 杨明 燕慧超 王贝贝
• 来源期刊: 河北工业科技
• 学科: 工学
• 关键词: 应用数学 相似矩阵 谱聚类 密度 测地距离
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 研究与开发???
• 页码范围: 77-83
• 页数: 7页
• 分类号: TP391
• 字数: 5084字
• 语种: 中文
• DOI: 10.7535/hbgykj.2018yx02001

摘要

为了消除在构建谱聚类算法的相似矩阵时,高斯核函数中尺度参数的波动影响,构建了一种自适应相似矩阵,并应用到谱聚类算法中.自适应相似矩阵中数据点间的距离度量采用测地距离算法,相距较近的两点间的距离近似于欧氏距离,相距较远的两点则先根据欧氏距离得到每个数据点的k 个近邻点,然后累加近邻点的测地距离,由此得到每对数据点间的最短距离.两点间的局部密度用共享近邻的定义来表示,更好地刻画了数据集的本征结构.在5个人工数据集和国际通用UCI数据库中的5个真实数据集上进行实验.实验结果表明,所提算法的聚类准确率高于对比算法的准确率,对复杂分布数据有很强的自适应能力.研究成果为数据挖掘及机器学习提供了思路和方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	中北大学理学院	38	158	8.0	10.0
2	王贝贝	中北大学理学院	2	8	2.0	2.0
3	燕慧超	中北大学理学院	3	8	2.0	2.0
4	孙笑仙	中国传媒大学理工学部	1	5	1.0	1.0