基于灰关联分析的谱聚类.PDFVIP

基于灰关联分析的谱聚类 郭昆 张岐山 (1. 福州大学数学与计算机科学学院，福州350108; 2. 福州大学管理学院，福州350108) 摘 要 谱聚类作为一种建立在谱图理论基础上的聚类方法，具有能够处理任意空间形状数据 且收敛于全局最优解的优点，但其对参数非常敏感，参数值微小的变化都会影响聚类精度。提 出一种将基于差异信息理论的灰关联分析结合到谱聚类中的新方法，利用序列的均衡接近度描 述数据点的相似程度，在克服参数影响的同时提高了传统谱聚类算法的性能。实验结果证明了 新方法的有效性。 关键词 灰关联分析 聚类 谱聚类 中图分类号 文献标识码 As a method built upon spectral graph theory, spectral clustering has the advantages of processing data with any spatial shapes and converging on global optimal solutions. But it also suffers from the defect that the clustering result is quite sensitive to its parameter. A minor change of the value of the parameter affects the clustering accuracy greatly. In this paper, a novel approach which integrates grey relational analysis based on difference information theory with spectral clustering is proposed. The similarities between data points are described by the balanced closeness degrees of their attribute sequences, so that the impact of the parameter is eliminated and the performance can be improved simultaneously. The experimental results proved the effectiveness of the new method. grey relational analysis; clustering; spectral clustering 引言 聚类分析是机器学习领域的一个重要研究方向，作为一种有效的数据分析方法，已经被广泛应用于 机器视觉、文本检索、语音识别等领域。传统的聚类算法如：算法、算法等当样本空间接近 凸球形时聚类效果较好，但当样本空间为任意形状时，容易陷入局部最优解。谱聚类算法最早主要应用 于计算机视觉 、 设计等领域，最近才被扩展到机器学习中。由于其具有识别非凸分布的能力，不 受数据维数的影响，及能够收敛于全局最优解等优点，受到人们的广泛关注，并迅速成为机器学习领域 收稿日期 资助项目 国家自然科学基金 国家自然科学基金 福建省自然科学基金 福建省教育厅项 目 作者简介 郭昆，男，博士研究生，主要研究方向为灰色系统