基于局部结构保留的级联子空间深度聚类

• 作者: 朱宁 熊李艳
• 来源期刊: 计算机应用研究
• 关键词: 高维数据聚类 自编码器 聚类损失 重构损失
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2358-2361
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.02.0062

摘要

针对高维数据聚类的问题,许多有效的方法已经被提出,级联的子空间聚类算法CSC就是一种有效的解决法案.但是CSC算法定义的聚类损失可能破坏特征空间,从而取得非代表性的无意义特征,进而损害聚类性能.为了解决这一问题,提出了一种结合自编码器保留数据结构的改进算法.具体地说,使用聚类损失作为引导,分散特征空间数据点,同时采用一种欠完备的自动编码器作为重构损失,约束操作和维护数据生成分布的局部结构.将两者结合,共同优化聚类标签的分配,学习适合聚类的局部结构保留特征.使用自适应矩估计(Adam)和小批量随机梯度下降(mini-batch SGD)两种优化方法调整模型参数.在多个数据集上,使用聚类结果准确率(ACC)、标准互信息(NMI)和调整rand指数(ARI)三个评价指标验证了该算法的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊李艳		32	92	6.0	8.0
2	朱宁		1	0	0.0	0.0