密度自适应的半监督谱聚类算法

发布时间：2017-06-22 16:16

  本文关键词：密度自适应的半监督谱聚类算法，，由笔耕文化传播整理发布。

【摘要】：谱聚类是一种新兴的聚类算法,数据点间的相似度定义对其聚类效果起着至关重要的作用。传统的谱聚类算法通常利用高斯核函数作为相似度函数,但是对于多密度的数据往往不能取得良好的效果。在定义新的相似度函数的基础上,提出了一种密度自适应的半监督聚类算法。该算法结合半监督聚类的成对约束理论,利用先验信息对样本点之间的相似度进行自适应调整,提高了聚类的精度。该算法在人工数据集和真实数据集上的仿真实验都取得了良好的效果。
【作者单位】： 浙江工业大学计算机科学与技术学院;
【关键词】： 密度 半监督 谱聚类
【基金】：水利部公益性行业科研专项(201401044)资助
【分类号】：TP311.13
【正文快照】： 到稿日期:2015-10-21返修日期:2016-03-27本文受水利部公益性行业科研专项(201401044)资助。1引言聚类作为一种有效的数据分析方法,在图像分割、语音识别、文本挖掘等领域有着广泛应用。传统的聚类算法如K-means算法、EM算法都是基于凸分布样本空间的,当样本空间非凸时,很容易

【相似文献】

中国期刊全文数据库 前10条

1 汪中;刘贵全;陈恩红;;基于模糊K-harmonic means的谱聚类算法[J];智能系统学报;2009年02期

2 孙昌思核;孔万增;戴国骏;;一种自动确定类个数的谱聚类算法[J];杭州电子科技大学学报;2010年02期

3 兰洋;;改进谱聚类算法在高等院校人才选拔中的应用[J];信阳师范学院学报(自然科学版);2010年04期

4 张力文;丁世飞;许新征;朱红;徐丽;;一种基于成对约束的谱聚类算法[J];广西师范大学学报(自然科学版);2010年04期

5 施培蓓;郭玉堂;胡玉娟;俞骏;;多尺度的谱聚类算法[J];计算机工程与应用;2011年08期

6 杨晓慧;王莉莉;李登峰;;一种新的层次谱聚类算法[J];上海理工大学学报;2014年01期

7 朱强生;何华灿;周延泉;;谱聚类算法对输入数据顺序的敏感性[J];计算机应用研究;2007年04期

8 金慧珍;赵辽英;;多层自动确定类别的谱聚类算法[J];计算机应用;2008年05期

9 孙大雷;孟凡荣;闫秋艳;;一种初始化不敏感的谱聚类算法[J];微电子学与计算机;2012年07期

10 陶新民;宋少宇;曹盼东;付丹丹;;一种基于流形距离核的谱聚类算法[J];信息与控制;2012年03期

中国硕士学位论文全文数据库 前10条

1 李纯;快速谱聚类算法的研究与应用[D];哈尔滨工程大学;2012年

2 崔慧岭;一种面向大数据的文本聚类算法[D];湖北师范大学;2016年

3 郑杨帆;基于图论的谱聚类算法研究和实现[D];华南理工大学;2012年

4 刘萍萍;基于特征间隙检测簇数的谱聚类算法研究[D];南京邮电大学;2015年

5 高倩;基于模糊理论的谱聚类算法研究与应用[D];江南大学;2009年

6 宋少宇;基于流形距离核的谱聚类算法研究及其应用[D];哈尔滨工程大学;2012年

7 孟超;分布式环境下谱聚类算法研究[D];北京邮电大学;2013年

8 李翔;谱聚类算法分析及其在高维情形下的应用[D];中国科学技术大学;2014年

9 许洪玮;基于密度与路径的谱聚类算法研究[D];广东工业大学;2013年

10 张亚平;谱聚类算法及其应用研究[D];中北大学;2014年

  本文关键词：密度自适应的半监督谱聚类算法，由笔耕文化传播整理发布。

本文编号：472398