计算机科学 ›› 2017, Vol. 44 ›› Issue (Z6): 424-427.doi: 10.11896/j.issn.1002-137X.2017.6A.095
李金泽,徐喜荣,潘子琦,李晓杰
LI Jin-ze, XU Xi-rong, PAN Zi-qi and LI Xiao-jie
摘要: 聚类算法是近年来国际上机器学习领域的一个新的研究热点。为了能在任意形状的样本空间上聚类,学者们提出了谱聚类和图论聚类等优秀的算法。首先介绍了图论聚类算法中的谱聚类经典NJW算法和NeiMu图论聚类算法的基本思路,提出了改进的自适应谱聚类NJW算法。提出的自适应NJW算法的优点在于无需调试参数,即可自动求出聚类个数,克服了经典NJW算法需要事先设置聚类个数且需反复调试参数δ才能得出数据分类结果的缺点。在UCI标准数据集及实测数据集上对自适应NJW算法与经典NJW算法、自适应NJW算法与NeiMu图论聚类算法进行了比较。实验结果表明,自适应NJW算法方便快捷,且具有较好的实用性。
[1] JAIN A,MURTY M,FLYNN P.Data clustering:A Review [J].ACM Computing Surveys,1999,31(3):264-323. [2] 张亚平,杨明.一种基于密度敏感的自适应谱聚类算法[J].数学的实践与认识,2013,3(20):150-156. [3] 王娜,李霞.基于监督信息特性的主动半监督谱聚类算法[J].电子学报,2010,38(1):172-176. [4] 孔万增,孙志海,杨灿,等.基于本征间隙与正交特征向量的自动谱聚类[J].电子学报,2010,8(8):1880-1891. [5] 应德全,应晓敏,叶继华.一种基于图论的聚类算法NeiMu[J].计算机工程与应用,2009,45(3):47-50. [6] 钱云涛,赵荣椿,谢维信.鲁棒聚类—基于图论和目标函数的方法[J].电子学报,1998,26(2):91-94. [7] 刘锁兰,王江涛,王建国,等.一种新的基于图论聚类的分割算法[J].计算机科学,2008,5(9):245-247. [8] SHI J,MALIK J.Normalized cuts and image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(8):888-905. [9] 蔡晓妍,戴冠中,杨黎斌.谱聚类算法综述[J].计算机科学,2008,35(7):14-18. [10] FILIPPONEA M,CAMASTRAB F,MASULLIA F,et al.A sur-vey of kernel and spectral methods for clustering[J].Pattern Recognition,2008,41(1):176-190. [11] LUXBURG U.A tutorial on spectral clustering[J].Statistics and Computing,2007,17(4):395-416. [12] VERMA D,MEILA M.A comparison of spectral clustering algorithms:2003.UW CSE Tech nical report 03-05-01[R].2003. [13] 卜德云,张道强.自适应谱聚类算法研究[J].山东大学学报,2009,39(5):22-39. [14] ZHAO F,JIAO L C,LIU H Q,et al.Spectral Clustering with Eigenvector Selection Based on Entropy anking[J].Neurocomputing,2010,73(10-12):1704-1717. [15] 赵凤,焦李成,刘汉强,等.半监督谱聚类特征向量选择算法[J].模式识别与人工智能,2011,24(1):48-56. [16] ZELNIK-MANOR L,PERONA P.Self-Tuning Spectral Clustering[C]∥Proc of Advances in Neural Information Processing Systems 17.Vancouver,Canada,2004:1601-1608. [17] NGA Y,JORDAN M I,WEISS Y.On spectral clustering:Ana-lysis and an algorithm[C]∥Proceedings of the 14th Advances in Neural Information Processing Systems (NIPS 2002).Cambri-dge,MIT Press, 2002:849-856. [18] ZELNIK M L,PERONA P.Self-tuning spectral clustering[C]∥Advances in Neural Information Processing Systems(NIPS).Cambridge,MA:MIT Press,2004. [19] 孙继广.矩阵扰动分析[M].北京:科学出版社,2001:146-160. |
No related articles found! |
|