改进地标点采样的加速谱聚类算法.docx

现今世界数据量爆炸增长,对大数据进行高效地分析将在各行各业起到关键性作用。聚类分析[1]是一种无监督学习方法,也是数据挖掘和机器学习中一个重要的研究方向。聚类是指将数据在不需要先验知识的情况下根据某种相似度划分为多个簇的过程。传统的聚类算法,例如K-means算法[2]具有简单高效的特点,在球形结构的数据上有着较高的聚类精确度。但是,其缺乏处理复杂结构数据的能力[3]。当样本空间为非凸时,K-means算法往往达不到理想的效果[4]。 为了能在任意形状的样本空间上聚类,且收敛于全局最优解,研究人员开始研究新型的聚类算法,也被称为谱聚类[5]算法(Spectral Clustering Algo