PCA和相融性度量在聚类算法中的应用.pdfVIP

第36卷 第6期 电子 科 技 大 学 学 报 Vl0l_36 No．6 2007年 l2月 Journal ofUniversity ofElectronic Science and Technology ofChina DCC．2007 PCA和相融性度量在聚类算法中的应用 姜 斌 ，潘景昌 ，郭 强2，衣振萍 (1_山东大学威海分校信息工程学院 山东 威海 264209：2．上海大学计算机工程与科学学院 上海 闸北区 200436) 【摘要】提出一种基于主分量分析和相融性度量的快速聚类方法。通过构造主分量空间将高维数据投影到两个主成分上 进行特征提取，每一个主分量都是原始变量的线性组合，主分量之间互为正交关系，在剔除冗余信息的同时，实现高维数据 降维，得到二维坐标，以此作为聚类分析的输入：提出相融性度量的定义，用相融性度量描述一个样本与训练集相融合的程 度，设计一种基于相融性度量的分类器。以该方法为基础设计的光谱自动分类系统可实现快速、准确地分类。 关 键 词 相融性度量：降维：高维数据：主分量分析 中图分类号 TP391 文献标识码 A Application of PCA and Coherence Measure in Clustering Algorithm JIANG Bin ，PAN Jing．chang ，GUO Qiang ，YI Zhen．ping (1．School ofInformationEngineering．ShandongUniversityatWeihai Weihai Shandong 264209； 2．School ofComputer Science，Shanghai University Zhabei Shanghai 200436) Abstract An efficient and quick method based on 2-D Principal Component Analysis ifCA)and coherence measure iS introduced．The coordinates are achieved by projecting the high dimensional data to the 2-D space after the principle component space is built and feature extraction is finished at one time．Every principle component is the linear combination of the original variables and is irrelevant to each other．A novel coherence measure is iIl仃oduced and designed for effectively measuring the coherence of a new specimen of unknown type with the training samples．The spectrum Can be classified quickly and exactly by the classifier． Key words coherence measure； dimensionality reduction； high-dimensional data； principal component analysis 高维数据在使用计算机技术实现自动分类处理 I 主分量分析方法 时，首先要进行降维处理，得到低维数据，再以此 为基础进行聚类分析。以高维的光谱数据为例，国 主分量分析法是统计学中分析数据的一种有效 际标准的光谱数据存储格式采用fits(flexible image 方法。其目的是在数据空间中找出一组向量来尽可 transport system)3~件[1-21形式，其维数可达到3 000 能地解释数据的方差，用较