【摘要】：傳統(tǒng)譜聚類對(duì)初值選取十分敏感,嚴(yán)重影響了聚類效果。為了解決初值敏感問題,提出了基于CMTFCM(借鑒歷史知識(shí)的類中心距離極大化聚類算法)的自適應(yīng)譜聚類算法。該算法以樣本空間的標(biāo)準(zhǔn)差作為尺度參數(shù),實(shí)現(xiàn)了尺度參數(shù)的自適應(yīng)選取,提高了算法效率;而通過借鑒歷史知識(shí),引入類中心距離極大化項(xiàng),避免了干擾點(diǎn)對(duì)類中心的干擾,提高了算法魯棒性。通過在模擬數(shù)據(jù)集以及真實(shí)數(shù)據(jù)集上的測驗(yàn),取得了比傳統(tǒng)譜聚類更穩(wěn)定的聚類效果,驗(yàn)證了算法的有效性。
[Abstract]:Traditional spectral clustering is very sensitive to the selection of initial values, which seriously affects the clustering effect. In order to solve the problem of initial value sensitivity, an adaptive spectral clustering algorithm based on CMTFCM (class center distance maximization clustering algorithm) is proposed. The algorithm takes the standard deviation of the sample space as the scale parameter, realizes the adaptive selection of the scale parameter, improves the efficiency of the algorithm, and, by using historical knowledge, introduces the maximum term of the distance between the class center and avoids the interference of the interference point to the class center. The robustness of the algorithm is improved. By testing the simulated data set and the real data set, a more stable clustering effect than the traditional spectral clustering is obtained, and the validity of the algorithm is verified.
【作者單位】： 江南大學(xué)數(shù)字媒體學(xué)院;
【基金】：江蘇省自然科學(xué)基金重點(diǎn)研究專項(xiàng)資助項(xiàng)目(BK2011003)
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡曉妍;戴冠中;楊黎斌;;譜聚類算法綜述[J];計(jì)算機(jī)科學(xué);2008年07期

2 汪中;劉貴全;陳恩紅;;基于模糊K-harmonic means的譜聚類算法[J];智能系統(tǒng)學(xué)報(bào);2009年02期

3 孫昌思核;孔萬增;戴國駿;;一種自動(dòng)確定類個(gè)數(shù)的譜聚類算法[J];杭州電子科技大學(xué)學(xué)報(bào);2010年02期

4 蘭洋;;改進(jìn)譜聚類算法在高等院校人才選拔中的應(yīng)用[J];信陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年04期

5 張力文;丁世飛;許新征;朱紅;徐麗;;一種基于成對(duì)約束的譜聚類算法[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

6 施培蓓;郭玉堂;胡玉娟;俞駿;;多尺度的譜聚類算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年08期

7 楊曉慧;王莉莉;李登峰;;一種新的層次譜聚類算法[J];上海理工大學(xué)學(xué)報(bào);2014年01期

8 朱強(qiáng)生;何華燦;周延泉;;譜聚類算法對(duì)輸入數(shù)據(jù)順序的敏感性[J];計(jì)算機(jī)應(yīng)用研究;2007年04期

9 金慧珍;趙遼英;;多層自動(dòng)確定類別的譜聚類算法[J];計(jì)算機(jī)應(yīng)用;2008年05期

10 孫大雷;孟凡榮;閆秋艷;;一種初始化不敏感的譜聚類算法[J];微電子學(xué)與計(jì)算機(jī);2012年07期

相關(guān)博士學(xué)位論文 前1條

1 呂紹高;統(tǒng)計(jì)學(xué)習(xí)中回歸與正則化譜聚類算法的研究[D];中國科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李純;快速譜聚類算法的研究與應(yīng)用[D];哈爾濱工程大學(xué);2012年

2 董彬;一種基于主動(dòng)學(xué)習(xí)的半監(jiān)督譜聚類算法研究[D];中國礦業(yè)大學(xué);2015年

3 劉萍萍;基于特征間隙檢測簇?cái)?shù)的譜聚類算法研究[D];南京郵電大學(xué);2015年

4 孫承祥;雙饋型風(fēng)電機(jī)組的風(fēng)電場建模研究[D];華北電力大學(xué);2015年

5 崔慧嶺;一種面向大數(shù)據(jù)的文本聚類算法[D];湖北師范大學(xué);2016年

6 徐大海;基于分布式的譜聚類算法在虛擬社區(qū)發(fā)現(xiàn)上的應(yīng)用研究[D];暨南大學(xué);2016年

7 王有華;基于歸一化壓縮距離的文本譜聚類算法研究[D];貴州大學(xué);2016年

8 張濤;基于密度估計(jì)的譜聚類算法研究與應(yīng)用[D];江南大學(xué);2016年

9 包秀娟;聚類有效性指標(biāo)結(jié)構(gòu)分析及應(yīng)用[D];天津大學(xué);2014年

10 周燕琴;基于改進(jìn)譜聚類算法在醫(yī)學(xué)圖像中的應(yīng)用研究[D];廣西師范學(xué)院;2016年

，

本文編號(hào)：2235516