自适应最近邻域图构造.pptVIP

 学生：洪晓路 指导教师：朱庆生 一. 研究此项课题的目的 二. 研究过程与结果展示 二. 研究过程与结果展示 三.总结与展望 3、比较自然最近邻居和k最近邻居在各应用邻域中的效果；  自适应最近邻域图的 构造算法研究 1.解决悬而未决的历史问题——“K参数选择问题” 2.研究已有的自然最近邻居搜索算法的性质从而改进算法 3.用改进后的算法构造自适应邻域图 nb数值与点结构特征之间的关系 nb数的四个典型值与点分布的关系 (四个典型值即：最大值、最小值、平均值和互为nb的值) 最大值在数据分布集中的地方 最小值在远离数据集中的地方，即离群点 同一规模下平均值的点较多的分布均匀 互为nb值的点分布体现核心结构 （nb最小值与最大值的分布） （绿色为均值点，左边为均匀分布、右图为高斯分布） （互为nb值） （高斯分布数据集） 随机高斯分布数据集规模在100~500时nb值基本稳定在6左右，后面缓慢增长分别为8、11、14。 随机均匀分布数据集规模在100~3000时从4极其缓慢均匀增长到7。 nb数值与数据规模之间的关系 nb数值与数据规模之间的关系 nb数值与点结构特征之间的关系 nb数值与点结构特征之间的关系 离群点对nb数值的影响 删除离群点，nb值总体大幅度下降。 离群点的存在对于算法的计算结果有较大影响，导致算法不稳定。 原算法健壮性不好。 二. 研究过程与结果展示 （数据集点分布） （数据集中每个点的nb值） （去除离群点的每个点的nb值） （去除中心点的每个点的nb值） nb数值与点结构特征之间的关系 RepeatZeronum=5时 效果最好 改变终止条件，得到改进后的算法 新的变量：zeronum 二. 研究过程与结果展示 构造自适应邻域图 构建自然最近邻域理论模型——邻居对象集 连接目标对象与其邻居对象集中的每个邻居点 自然最近邻域理论模型：supk、nb(i)、max{nb(i),Supk}、min{ nb( i ) , Supk }、互为邻居。 密度信息明显 二. 研究过程与结果展示 构造自适应邻域图 聚类效果 好 逼近低维数据流形 不受离群点影响 二. 研究过程与结果展示 谢谢各位老师！ 谢谢各位同学！