一种新型的自适应谱聚类算法.pdfVIP

一种新型的自适应谱聚类算法 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 摘 要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 score)的概念来 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 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-adaptivespectral clusteringalgorithm，SASC算法)，最后通过在三个UCl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。 关键词模式识别与智能系统谱聚类 粒度参数聚类数 ANovel Self-adaptiveSpectral ClusteringAlgorithm Cai Dai Libin XiaoyanGuanzhongYang Northwestem of PolytechnicalUniversity，colIege AbstractInordertoovercomedefectssuchas scale andcluster predeterminedparameter of setscale number，strongrandomicity，lowperformancespectral to clustering，wepropose toan differentvalue foreach localsta— parameterautomaticallyindividually pointbystudying tistical characteristics，andtheconnectionbetween of matrixand analyze eigenvectorsaffinity clusters．Asaresult，anovel is self-adaptivespectralclusteringalgorithm developed．The resultsontheUCIdatasetsshow ofthetheoretical experimental thecorrectness analysis， SASC ismoreeffectivethan and andLi—Liu algorithm K—means，NJW algorithm． and scale Keywordspatternrecognitionintelligentsystems