浅谈谱聚类算法及应用开题报告.pdfVIP

福州大学本科生毕业设计（论文）开题报告 学生姓名 杨清 学 号 031301316 专业 数学与应用数学 班 级 论文（设计）题目 浅谈谱聚类算法及应用 指导老师姓名 职 称 一、论文（设计）选题的依据（选题的目的和意义、该选题国内外的研究现状 及发展趋势、主要参考文献等） （一）选题的目的与意义 选题目的： 在这个大数据时代，数据分析是一个很重要的问题，聚类技术的发展，大 大缓解了这种情况。在模式识别领域，谱聚类的出现成为了学者研究的焦点。 由于谱聚类算法复杂程度低，实现比较容易等特点，在各个领域受到了许多专 家的肯定，成为一个重要的研究对象。经过国内外专家学者不断研究和探索， 谱聚类算法得到了很大的发展，但是也存在一些问题，随着研究的深入，出现 各种各样的谱聚类算法，但是这些算法的实现方法都是十分相似的。 研究意义： 谱聚类算法大致上可以分为以 PF 算法为代表的二路谱聚类算法和以NJW 算法为代表的多路谱聚类算法两种类型。二路谱聚类算法使用的主要是图的二 路划分准则，多路谱聚类算法使用的主要是图的多路划分准则。 应用比较广 泛的谱聚类算法主要包括二路谱聚类算法中的PF算法，SM算法，SLH算法和 多路谱聚类算法中的NJW 算法。谱聚类算法建立在图论中的谱图理论基础上, 其本质是将聚类问题转化为图的最优划分问题, 是一种点对聚类算法,对数据 聚类具有很好的应用前景。 （二）国内外的研究现状以及发展趋势 谱聚类的诞生可以追溯到1973年，donath和hoffman 首次基于邻接矩阵 构造了图的划分。在同一年，fieldler 发现图的二划分与 laplacian 图的第 二小特征向量有密切关系，并且建议使用该特征向量进行图的划分。从此以后， 许多研究者加入到谱聚类方法的研究队伍中。 国外研究现状：对于特征向量的选取，Jenssen 等人通过对 Renyi 熵的研 究，推导出该熵的最大化的近似解就是相似矩阵取得较大值的前 k 个特征向 量 Tao Xiang, Shaogang Gong 认为最优的聚类结果不一定是最大的 K 个特 征值对应的特征向量，他提出了一个新的的概念为向量相关度，用向量的相关 度来区分向量的重要性，这样对于特征向量的选取我们就得到一个准则，选取 向量相关度高的特征向量。对于聚类数目的选取，Azran，Ghahramani 认为 K 值得选择对聚类结果起到关键的作用，应该参照随机游走后的概率矩阵，原始 概率矩阵 P 确定的 k 值通常和实际值有着很大出入 国内研究现状：赵凤，焦李成等将半监督信息引入到谱聚类特征向量的选 取上，为了可以体现数据的内部结构；田铮，小斌等认为聚类数目不应该由认 为确定，他们为了避免了聚类数目的人为确定，设计了一种谱聚类算法，这种 算法根据矩阵的扰动理论，可以更好的解决聚类数目的人为确定问题 孙昌思 核等人，认为聚类数目应该可以自动确定，比人为确定可以减少误差，他们利 用特征值之间的差值提出了一种自动确定聚类数目的谱聚类算法 发展趋势：为了提高谱聚类算法的性能，许多专家学者也做了很多其他方 面的研究， Dhillon 提出了处理海量数据的计算 ]的办法，将谱聚类与核 K-Means 相结合。高倩为了提高了算法效率，节省时间成本，采用了抽样的方 法，先推导出样本的特征向量，然后去估算原始数据的特征向量 （三）主要参考文献 [1] Distell, Graph theory [M]. Beijing: World Publishing Corporation, 2008. [2] Weifu Che, Guocan Feng. Spectral clustering: A semi-supervised approach. Neuro computing [J].2012,77(1).119-228. [3]Zhao F, Liu H, Jiao L. Spectral clustering with fuzzy similarity measure [J]. Digital Signal Processing.2011,2