基于局部密度估计和近邻关系传播的谱聚类-模式识别与人工智能.pdfVIP

第27 卷摇 第9 期 模式识别与人工智能 Vol.27摇 No.9 2014年9月 PR AI 摇 Sept.摇 2014 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 * 摇 摇 摇 摇 摇 基于局部密度估计和近邻关系传播的谱聚类 摇 摇 摇 摇 摇 摇 葛洪伟摇 摇 李志伟摇 摇 杨金龙 (江南大学 物联网工程学院轻工过程先进控制教育部重点实验室摇 无锡214122) 摘摇 要摇 对密度分布不均匀的数据采用近邻传播的谱聚类,存在误将不同类的样本传入同一高相似度的子集中的 情况,因而得不到真实的相似度矩阵和准确的聚类结果.针对这一问题,提出一种基于局部密度估计和近邻关系传 播的谱聚类(LDENP鄄SC)算法.该算法首先对样本进行密度估计并升维,然后对新数据采用传播算法更新相似度矩 阵并谱聚类.在计算密度时提出一种简易的局部密度计算方法,该方法既能反应样本的密度又能减少运算时间;在 更新相似度矩阵时基于传播算法提出一种更新子集间样本相似性的方法,使更新后样本的相似度更接近实际.实 验结果表明,LDENP鄄SC算法能够得出取得理想的相似度矩阵和准确的聚类结果,具有较好的泛化能力,且对一定 范围内的参数滓表现出鲁棒性. 关键词摇 谱聚类,密度估计,近邻关系传播,相似度矩阵 中图法分类号摇 TP391.4 Spectral Clustering Based on Local Density Estimation and Neighbor Propagation GE Hong鄄Wei,LI Zhi鄄Wei,YANGJin鄄Long (Key Laboratory of Advanced Process Controlfor Light Industry,Ministry of Education, School of Internet of Things Engineering,Jiangnan University,Wuxi214122) ABSTRACT Neighbor propagation based spectral clustering can be used to cluster the dataset with inhomogeneous density. However, sometimes it propagates different clustering samples into