基于超图和样本自表征的谱聚类算法-数据挖掘试验室-广西师范大学.PDF

网络出版时间：2016-07-22 20:45:24 网络出版地址：/kcms/detail/51.1196.TP2045.032.html 优先出版 计 算 机 应 用 研 究 第33 卷 基于超图和样本自表征的谱聚类算法* 1* 2 1 1 李永钢 ，苏毅娟 ，何 威 ，雷 聪 (1 ．广西师范大学 广西多源信息挖掘与安全重点实验室，广西 桂林，541004 ；2 ．广西师范学院 计算机与信息工程学 院，南宁 530023) 摘 要：针对传统谱聚类算法仅考虑数据点对点间的相互关系而未考虑数据间可能隐藏的复杂的相关性的问题，提出一 种基于超图和自表征的谱聚类方法。首先，建立数据的超图，得到超图的拉普拉斯矩阵表示；然后，利用 2,1 -范数对样 本进行行稀疏自表征，同时融入超图来描述数据间多层次的相互关系；最后，利用生成的自表征系数进行谱聚类。利用 基于超图的样本自表征技术考虑了样本之间复杂的相关性。通过在 Hopkins155 等数据集上的实验表明，在聚类错误率 评判标准下，算法优于现有基于普通图的谱聚类算法SSC、SRC 等。 关键词：谱聚类；超图；超图拉普拉斯；样本自表征 中图分类号：TP181 Hypergraph and self-representation for spectral clustering 1* 2 1 1 Li Yonggang1 , Su Yijuan , He Wei , Lei Cong (1. Guangxi Key Lab of Multi-source Information Mining Security, Guangxi Normal University, Guilin Guangxi 541004, China; 2. College of Computer Information Technology, Guangxi Teachers Education University, Nanning 530023, China) Abstract: To solve the issue that the traditional spectral clustering methods construct the similarity matrix by only considering the pairwise relationship of the data but ignoring the complicated correlations among samples, this paper puts forward a hypergraph and self-representation based spectral clustering method, called Hypergraph and Self-representation for Spectral Clustering (HGSR). Firstly, the algorithm construct