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