作者：朱庆生; 付飘飘; 张程谱聚类自然邻自适应尺度参数聚类数目
摘要：在传统谱聚类算法中，构造相似矩阵时需要人为输入尺度参数；除此之外，之后的k-means过程中还需要人工输入确切的聚类数目，而以上两个参数对聚类效果影响巨大。针对以上问题，提出了一种基于自然邻的自适应谱聚类算法。该算法不需要人为输入任何参数，完全实现自适应，主要方式是通过自然邻算法获取各点之间的邻近信息，其中包括自然邻个数、自然逆邻个数、自然邻居集以及自然逆邻居集。通过实例分析，在多重尺度数据集下或者在流行数据集中，充分利用以上先验信息构造出更加符合实际情况的相似矩阵。另外，根据近邻传播思想获得聚类数目。将该算法运用于部分人工数据集上，且与谱聚类算法进行比较，聚类效果显著改进。实验结果表明，该算法具有一定的有效性和优越性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
