基于SVD的谱聚类及相关参数的确定方法
在谱聚类算法中,采用拉普拉斯矩阵的特征值和特征向量进行聚类,在某些情况下并不能得到理想的结果。给出了一个利用奇异值分解(Singular Value Decomposition,SVD)的谱聚类算法,用以弥补基于拉普拉斯矩阵的谱聚类算法的不足。实验表明,给出的基于奇异值分解的谱聚类算法比现有的谱聚类算法更有效。在基于SVD的谱聚类算法中,奇异向量的选择、聚类个数的选取和高斯核参数σ的估计,对于谱聚类的结果有着重要的影响。给出了利用奇异值进行聚类个数的选取和高斯核参数σ估计的公式,以及奇异向量的选择方法。
谱聚类算法 奇异值分解 拉普拉斯矩阵 参数估计
JIA Zhi-xian 贾志先
Network and Experimental Teaching Center, Xinjiang University of Finance and Economics, Urumqi 83001 新疆财经大学网络与实验教学中心 乌鲁木齐830012
国内会议
第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议
合肥
中文
81-85
2012-10-13(万方平台首次上网日期,不代表论文的发表时间)