基于局部线性嵌入的半监督仿射传播聚类算法.pdfVIP

第41卷 第 1期 兰 州 理 工 大 学 学 报 Vo1．41 No．1 2015年 2月 JournalofL~nzhouUniversityofTechnology Feb．2015 文章编号：1673—5196(2015)01—0096—05 基于局部线性嵌入的半监督仿射传播聚类算法 赵小强，谢亚萍 (兰州理工大学 电气工程与信息工程学院，甘肃 兰州 730050) 摘要：针对运用半监督仿射传播聚类算法处理高维数据时聚类精度低和计算量大的问题，提出一种基于局部线性 嵌入的半监督仿射传播聚类算法．该算法首先通过LLE算法将高维输入数据集映射到低维空间得到低维数据集， 计算低维数据集的相似度矩阵，再用半监督算法调整相似度矩阵，最后用仿射传播聚类算法对低维数据进行聚类 分析．仿真结果表明，本文提出的算法与半监督仿射传播聚类算法相比，在处理高维数据时聚类效果更好，精度更 高，迭代次数更少． 关键词 ：数据挖掘；半监督；仿射传播聚类；局部线性嵌入算法 中图分类号：TP274 文献标识码：A Semi—superviseda initypropagationclusteringalgorithm basedonlocallinearembedding ZHAO Xiao-qiang，XIEYa-ping (CollegeofElectricalandInformationEngineering，LanzhouUniv．ofTech．，1．anzhou 730050，China) Abstract：Aimedattheproblem oflow clusteringprecisionandtime-consumingcalculationofhigh—di— mensionaldatasetswithsemi—supervisedaffinitypropagationclusteringalgorithm，alocallinearembed— ding—basedclusteringalgorithm ofsemi—supervisedaffinitypropagation (IJ E-SAP)isproposed．Firstly， withthisalgorithm ．thehigh—dimensionalinputdatasetwillbemappedintolow-dimensionalspacewith IIE algorithm togetalow-dimensionaldataset．Thenthesimilaritymatrixofthelow-dimensionaldatais evaluatedandadjustedwithsemi—supervisedalgorithm．Finally，theclusteringanalysisofthelow-dimen— siona1datawillbeconductedwithaffinitypropagationclusteringalgorithm．Simulationresultshowsthat comparedwiththealgorithm available，theproposedalgorithm willhavehigherprecision，feweritera— tions，andbettereffectfortreatinghigh—dimensionaldatm Keywords：datamining；semi—．supervision；affinitypropagationclustering；locallinearembeddingalgo—— rithm 随着网络技术与通信技术的不断发展，网络资 仿射传播聚类 (affinitypropagationclustering， 源信息迅猛增长，高维数据大量出现在我们的生活 AP)[1作为聚类算法中的一种，在 2007年被 Frey 与学习中，然而如