一种基于ELM-AE特征表示的谱聚类算法

• 作者: 王丽娟 丁世飞
• 来源期刊: 智能系统学报
• 关键词: 谱聚类 特征表示 极限学习机 自编码器 极限学习机自编码器 机器学习 聚类分析 数据挖掘
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 吴文俊人工智能科学技术奖论坛|Forum of Recipients of Wu Wenjun Artificial Intelligence Science and Technology Award
• 页码范围: 560-566
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.202005021

摘要

在实际应用中,数据点中包含的冗余特征和异常值(噪声)严重影响了聚类中更显著的特征的发现,大大降低了聚类性能.本文提出了一种基于ELM-AE(extreme learning machine as autoencoder)特征表示的谱聚类算法(spectral clustering via extreme learning machine as autoencoder,SC-ELM-AE).ELM-AE 通过奇异值分解学习源数据主要特征表示,使用输出权值实现从特征空间到原输入数据的重构;再将该特征表示空间作为输入进行谱聚类.实验表明,在5个UCI数据集验证中,SC-ELM-AE算法性能优于传统的K-Means、谱聚类等现有算法,特别是在复杂高维数据集PEMS-SF和TDT2_10上,聚类平均精确度均提高30％以上.