密度敏感谱聚类.PDFVIP

第 8 期 电　　子　　学　　报 Vol. 35 　No. 8 　2007 年 8 月 ACTA ELECTRONICA SINICA Aug. 　2007 　 密度敏感的谱聚类 王 　玲 ,薄列峰 ,焦李成 ( 西安电子科技大学智能信息处理研究所 ,陕西西安 710071) 　　摘 　要 : 　谱聚类是近来出现的一种性能极具竞争力的聚类方法 ,它的成功很大程度依赖于相似性度量的选择. 本文通过分析这一性质并结合数据聚类特性 ,提出一种数据依赖的相似性度量 ———密度敏感的相似性度量. 该相似性 度量可以有效描述数据的实际聚类分布. 将其引入谱聚类得到密度敏感的谱聚类算法. 与原有的谱聚类算法相比 ,新 算法不仅能够处理多尺度聚类问题 ,而且对参数选择相对不敏感. 算法有效性分析以及实验验证了所提算法的有效性 和可行性. 关键词 : 　聚类 ; 谱聚类 ; 距离测度 ; 相似性度量 ; 相似性矩阵 中图分类号: 　TP18 　　　文献标识码 : 　A 　　　文章编号 : (2007) DensitySensitive Spectral Clustering WANGLing ,BO Liefeng ,J IAO Licheng ( ) Institute of Intelligent Information Processing , Xidian University , Xi ’an , Shaanxi 710071 , China Abstract : 　Spectral clustering has become increasingly popular in recent years. Being a pairwise method ,the success of spec tral clustering depends heavily on the choice of similarity measure. Through analyzing the property of data clusters ,a novel datade pendent similarity measure is proposed ,namely densitysensitive similarity measure ,which has the ability of describing the characters of data clustering compared with the traditional Euclidian metric based similarity measure. Based on the novel similarity measure ,we have a densitysensitive spectral clustering algorithm. Compared with the original spectral clustering ,it has the advantages of effec tively dealing with the multiscale problems and relatively not sensitive to para