基于判別信息和幾何信息的聚類方法研究.pdf

1、我們現(xiàn)在處于大數(shù)據(jù)時(shí)代，微信、微博等新媒體迅猛發(fā)展，我們不僅是數(shù)據(jù)的接收者，更是數(shù)據(jù)的發(fā)布者。圖片、視頻、音頻、文字等信息遍布網(wǎng)絡(luò)，大數(shù)據(jù)成為網(wǎng)絡(luò)時(shí)代的資產(chǎn)。大數(shù)據(jù)本身既不是科學(xué)也不是技術(shù)，大數(shù)據(jù)的特點(diǎn)是數(shù)據(jù)數(shù)量巨大，價(jià)值密度低，實(shí)時(shí)在線，多源異構(gòu)，我們希望從龐大的數(shù)據(jù)中獲取有價(jià)值的信息，聚類是挖掘大數(shù)據(jù)資產(chǎn)價(jià)值的第一步，大數(shù)據(jù)突破點(diǎn)在于聚類?，F(xiàn)有的機(jī)器學(xué)習(xí)聚類算法如譜聚類、雙圖聚類、特征選擇聚類算法等都存在一定的局限性，傳統(tǒng)的譜聚類算

2、法忽略了數(shù)據(jù)集的判別信息，雙圖聚類算法沒有考慮特征空間的幾何信息，特征選擇算法忽略了數(shù)據(jù)本身的自相似性等，聚類的準(zhǔn)確率有待提高。因此，我們以聚類為主題，通過挖掘數(shù)據(jù)本身固有的結(jié)構(gòu)如局部幾何結(jié)構(gòu)、全部判別結(jié)構(gòu)，特征空間幾何信息等信息對數(shù)據(jù)聚類。本論文的主要工作如下：
　　1）譜聚類算法建立在圖論中的譜圖理論基礎(chǔ)上，將聚類問題轉(zhuǎn)化為圖的最優(yōu)劃分問題。已有學(xué)者證明在一定的條件下，譜聚類算法和非負(fù)矩陣分解（NMF）等價(jià)。在此基礎(chǔ)上，已有的

3、非負(fù)譜聚類算法NSC-Ncut、NSC-Rcut、NSSC-Ncut和NSSC-Rcut都沒有考慮數(shù)據(jù)集的全局判別信息?；谧V聚類與NMF的等價(jià)關(guān)系，考慮到數(shù)據(jù)集的全局判別信息，我們提出了新的譜聚類算法，即基于全局判別的非負(fù)譜聚類算法（GDBNSC-Ncut和GDBNSC-Rcut）。新的譜聚類算法保留了數(shù)據(jù)集的全局幾何結(jié)構(gòu)和全局判別結(jié)構(gòu)，獲取了數(shù)據(jù)的內(nèi)在幾何結(jié)構(gòu)，且有更強(qiáng)的判別能力，提高了聚類的質(zhì)量。實(shí)驗(yàn)結(jié)果表明，該算法能獲得數(shù)據(jù)集的

4、全局判別信息，具有更好的聚類效果。
　　2）特征選擇算法剔除了不相關(guān)和冗余的特征，保留最有代表性的特征，不僅能降低數(shù)據(jù)維數(shù)，還能提高算法的質(zhì)量?，F(xiàn)有的特征選擇算法大都是在數(shù)據(jù)空間進(jìn)行，本文提出了一種新的特征選擇算法，即基于自表示的雙圖正則特征選擇聚類算法（DFSC），運(yùn)用數(shù)據(jù)可以由自身表示的特性，我們同時(shí)保留數(shù)據(jù)空間和特征空間的局部幾何信息。通過對數(shù)據(jù)空間的自表示系數(shù)矩陣加以l2,1范數(shù)約束，DFSC算法可以有效地選擇最具代表性的

5、特征。實(shí)驗(yàn)結(jié)果表明，由于考慮了特征空間的信息，DFSC算法的聚類質(zhì)量優(yōu)于一些其他的特征選擇算法。此外，DFSC算法和一些雙圖聚類算法相比，多了一個(gè)選擇的過程，對比試驗(yàn)結(jié)果表明DFSC算法的聚類質(zhì)量更高，選擇判別性的特征有利于提高聚類質(zhì)量。
　　3）特征選擇算法被廣泛用于高維數(shù)據(jù)的降維，考慮到高維數(shù)據(jù)的自表示特征，受流形學(xué)習(xí)思想的啟發(fā)，我們提出了一種新的特征選擇聚類算法，即基于自表示和局部保留的無監(jiān)督特征選擇聚類算法（SRLP-FS