【摘要】：為全面理解譜聚類(spectral clustering,SC)算法性能,利用四類幾何結構數(shù)據(jù),對規(guī)范化割(normalized cut,Ncut)、稀疏子空間聚類(sparse subspace clustering,SSC)和譜曲率聚類(spectral curvature clustering,SCC)三種譜聚類算法進行對比分析。結果表明,三種算法的聚類結果各有差異,但每類數(shù)據(jù)都可以找到相對最有效的聚類算法。Ncut無法處理相交的數(shù)據(jù),適用性較差;SSC算法適用性較強,但聚類精度不高;SCC算法具有適用性強、精度高等特點,能夠實現(xiàn)四類幾何結構數(shù)據(jù)的有效聚類。此外,改進的SCC算法有效地實現(xiàn)了有數(shù)據(jù)間斷的兩條相交螺旋線聚類。最后,分析了現(xiàn)有SCC算法存在的不足,并指出進一步研究的方向。
[Abstract]:In order to fully understand the performance of spectral clustering (spectral clustering,SC) algorithm, three spectral clustering algorithms, normalized cut (normalized cut,Ncut), sparse subspace clustering (sparse subspace clustering,SSC) and spectral rate clustering (spectral curvature clustering,SCC), are compared and analyzed using four kinds of geometric structure data. The results show that the clustering results of the three algorithms are different, but each kind of data can find the most effective clustering algorithm. Ncut can not deal with intersecting data, and the applicability of SSC algorithm is strong. However, the clustering accuracy is not high, and the SCC algorithm has the characteristics of strong applicability and high precision, so it can effectively cluster four kinds of geometric structure data. In addition, the improved SCC algorithm effectively implements the clustering of two intersecting helical lines with data discontinuity. Finally, the shortcomings of the existing SCC algorithm are analyzed, and the direction of further research is pointed out.
【作者單位】： 安徽大學資源與環(huán)境工程學院;安徽省地理信息工程中心;安徽省農業(yè)生態(tài)大數(shù)據(jù)工程實驗室;
【基金】：國家自然科學基金資助項目(41501376) 安徽省自然科學基金面上資助項目(1608085MD83,1308085MD52) 地理國情監(jiān)測國家測繪地理信息局重點實驗室開放基金資助項目(2014NGCM05) 數(shù)字制圖與國土信息應用工程國家測繪地理信息局重點實驗室開放基金資助項目(GCWD201406)
【分類號】：TP311.13

【相似文獻】

相關期刊論文 前10條

1 蔡曉妍;戴冠中;楊黎斌;;譜聚類算法綜述[J];計算機科學;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)學報;2009年02期

3 孫昌思核;孔萬增;戴國駿;;一種自動確定類個數(shù)的譜聚類算法[J];杭州電子科技大學學報;2010年02期

4 蘭洋;;改進譜聚類算法在高等院校人才選拔中的應用[J];信陽師范學院學報(自然科學版);2010年04期

5 張力文;丁世飛;許新征;朱紅;徐麗;;一種基于成對約束的譜聚類算法[J];廣西師范大學學報(自然科學版);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];計算機工程與應用;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];上海理工大學學報;2014年01期

8 朱強生;何華燦;周延泉;;譜聚類算法對輸入數(shù)據(jù)順序的敏感性[J];計算機應用研究;2007年04期

9 金慧珍;趙遼英;;多層自動確定類別的譜聚類算法[J];計算機應用;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];微電子學與計算機;2012年07期

相關博士學位論文 前1條

1 呂紹高;統(tǒng)計學習中回歸與正則化譜聚類算法的研究[D];中國科學技術大學;2011年

相關碩士學位論文 前10條

1 李純;快速譜聚類算法的研究與應用[D];哈爾濱工程大學;2012年

2 董彬;一種基于主動學習的半監(jiān)督譜聚類算法研究[D];中國礦業(yè)大學;2015年

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

4 孫承祥;雙饋型風電機組的風電場建模研究[D];華北電力大學;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;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)上的應用研究[D];暨南大學;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;2016年

8 張濤;基于密度估計的譜聚類算法研究與應用[D];江南大學;2016年

9 包秀娟;聚類有效性指標結構分析及應用[D];天津大學;2014年

10 周燕琴;基于改進譜聚類算法在醫(yī)學圖像中的應用研究[D];廣西師范學院;2016年

，

本文編號：2291614