结合度量融合和地标表示的自编码谱聚类算法

• 作者: 周治平 张敏
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 大规模数据集 度量融合 地标表示 相对质量 稀疏表示 栈式自编码器 联合学习 嵌入表示
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 机器学习
• 页码范围: 687-696
• 页数: 10页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11992/tis.201911039

摘要

针对大多数现有谱聚类算法处理大规模数据集时面临聚类精度低、大规模相似度矩阵存储开销大的问题,提出一种结合度量融合和地标表示的自编码谱聚类算法.引入相对质量概念进行节点评估,选取最具代表性的点作为地标点,通过稀疏表示近似获得图相似度矩阵,以降低存储开销.同时考虑到近邻样本的几何分布和拓扑分布的信息,融合欧氏距离与Kendall Tau距离来度量地标点与其他样本之间的相似度,提高聚类精度;以栈式自编码器取代拉普拉斯矩阵特征分解,将所获得的相似度矩阵作为自编码器的输入,通过联合学习嵌入表示和聚类来进一步提高聚类精度.在5个大规模数据集上的实验验证了本文算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张敏		25	210	7.0	14.0
2	周治平		105	522	11.0	16.0