一种新型的自适应谱聚类算法
针对已有谱聚类算法需要事先确定粒度参数以及聚类数，随机性强，不能取得很好的聚类效果等缺点，我们提出使用局部统计特性来快速准确地设置相似矩阵的粒度参数，并在分析相似矩阵的谱和特征向量与聚类之间关系的基础上，引入了质量分(quality score)的概念来自适应地确定聚类的数目。据此设计出一个新型的自适应谱聚类算法(self-adaptive spectralclustering algorithm，SASC算法)，最后通过在三个UCI数据集上的实验，验证了理论分析的正确性，与K-means算法，NJw算法和Li-Liu算法等经典聚类算法相比，SASC算法在聚类效果上有显著改善。
模式识别 谱聚类 自适应 相似矩阵 特征向量 SASC算法
蔡晓妍 戴冠中 杨黎斌
西北工业大学自动化学院，陕西省西安市，710072
国内会议
北京
中文
329-334
2008-09-01（万方平台首次上网日期，不代表论文的发表时间）