版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著科學(xué)技術(shù)的發(fā)展,人類收集數(shù)據(jù)的能力大幅度提高,各個(gè)行業(yè)都已經(jīng)或正在積累大量的數(shù)據(jù),人們需要對這些數(shù)據(jù)進(jìn)行分析推理獲取有意義的信息,而聚類分析研究上取得好的成果,對于數(shù)據(jù)分析推理具有重要的意義。譜聚類方法是眾多聚類分析方法中的一支獨(dú)秀,是聚類分析相關(guān)領(lǐng)域的一個(gè)研究熱點(diǎn)。譜聚類方法能在任意形狀的樣本空間上聚類,且收斂于全局最優(yōu)解。譜聚類方法能夠揭示數(shù)據(jù)的低維的非線性特性,可以用于各種對象的降維,在降維的同時(shí)也將這些對象嵌入到歐式空間,所
2、以譜聚類方法可以執(zhí)行各種數(shù)據(jù)的聚類。但是,譜聚類方法的計(jì)算復(fù)雜度過高,故譜聚類方法的諸多優(yōu)點(diǎn)只適合小數(shù)據(jù)集,面向大規(guī)模數(shù)據(jù)集的譜聚類方法研究并不多。當(dāng)今,很多行業(yè)積累的數(shù)據(jù)量都非常龐大,為了獲取大規(guī)模數(shù)據(jù)集更好的聚類分析成果,使得數(shù)據(jù)分析推理更精確、更有效,研究面向大規(guī)模數(shù)據(jù)集的譜聚類方法是必要的。
首先,針對大規(guī)模數(shù)值型數(shù)據(jù)集的譜聚類,其Laplacian矩陣特征分解的時(shí)間復(fù)雜度及空間復(fù)雜度過高,受增量協(xié)方差無關(guān)方法計(jì)算主成
3、分思想的啟發(fā),提出一種快速計(jì)算Laplacian矩陣的前k個(gè)最小特征向量的方法。該方法構(gòu)建兩個(gè)對稱半正定矩陣,使其前k個(gè)最大特征向量與Laplacian矩陣的前k個(gè)最小特征向量相同,通過循環(huán)輸入構(gòu)建矩陣的列向量,增量方法計(jì)算出Laplacian矩陣的前k個(gè)最小特征向量。該方法所用空間為n量級,特征分解時(shí)間復(fù)雜度為線性時(shí)間,有效解決了譜聚類中Laplacian矩陣特征分解的問題。實(shí)驗(yàn)證明該方法能夠快速特征分解Laplacian矩陣。
4、> 其次,針對這樣一類大規(guī)?;旌闲蛿?shù)據(jù)集,隨著時(shí)間的推移,樣本數(shù)量呈爆炸式增長,而樣本的屬性空間變化則逐漸趨于固定范圍,提出一種基于準(zhǔn)超圖像映射的譜聚類方法,有效解決了這類混合型數(shù)據(jù)集的劃分問題。量化數(shù)據(jù)集的每個(gè)屬性,由每個(gè)屬性的量化份數(shù)確定準(zhǔn)超圖像的每個(gè)維的尺寸,根據(jù)量化公式將大規(guī)模數(shù)據(jù)集映射到準(zhǔn)超圖像,并確定像素相似度函數(shù)。使用譜聚類方法劃分準(zhǔn)超圖像,則能夠獲得數(shù)據(jù)集的全局分布情況。數(shù)據(jù)集到準(zhǔn)超圖像的映射計(jì)算是線性的,準(zhǔn)超圖像的像
5、素規(guī)模已經(jīng)很小,采用譜聚類所用時(shí)間也會(huì)很少,而通過映射極大地減小了數(shù)據(jù)的存儲空間,故該方法滿足時(shí)間和存儲的要求。實(shí)驗(yàn)結(jié)果表明,該方法能夠迅速處理此類大規(guī)?;旌闲蛿?shù)據(jù)集的劃分問題,同時(shí)獲得數(shù)據(jù)的全局分布情況。
再次,針對大規(guī)模異構(gòu)信息網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn),利用異構(gòu)信息網(wǎng)絡(luò)的稀疏性,提出一種基于嵌入技術(shù)的異構(gòu)信息網(wǎng)絡(luò)的快速譜聚類方法。從相容的角度將異構(gòu)信息網(wǎng)絡(luò)轉(zhuǎn)化為若干個(gè)相容的二部圖,使用隨機(jī)映射和一種線性時(shí)間求解程序快速計(jì)算出每個(gè)二部
6、圖的近似commute time嵌入,每個(gè)嵌入都存在一個(gè)子集指示目標(biāo)數(shù)據(jù)集,也就是目標(biāo)數(shù)據(jù)集同時(shí)被多個(gè)指示子集所指示。使用這些指示子集構(gòu)建一個(gè)通用的聚類模型,將所有指示子集的類設(shè)置標(biāo)號,通過計(jì)算指示同一目標(biāo)對象的指示數(shù)據(jù)與標(biāo)號相同類的中心點(diǎn)的加權(quán)距離總和,同時(shí)劃分所有的指示子集,從而快速獲得通用模型的極小值。實(shí)驗(yàn)結(jié)果表明,該方法聚類準(zhǔn)確率高,聚類速度快,能夠有效處理異構(gòu)信息網(wǎng)絡(luò)的劃分問題。
最后,針對動(dòng)態(tài)異構(gòu)信息網(wǎng)絡(luò)劃分問題,
7、利用異構(gòu)信息網(wǎng)絡(luò)的稀疏性,提出一種解決星型模式的動(dòng)態(tài)異構(gòu)信息網(wǎng)絡(luò)的演化譜聚類方法。從相容的角度將異構(gòu)信息網(wǎng)絡(luò)轉(zhuǎn)化為若干個(gè)相容的二部圖。時(shí)間平滑每個(gè)二部圖結(jié)點(diǎn)間的關(guān)系,使得時(shí)間平滑二部圖能夠充分表達(dá)某時(shí)刻及先前時(shí)間結(jié)點(diǎn)間的關(guān)系。稀疏化時(shí)間平滑二部圖,由隨機(jī)映射和一種線性時(shí)間的求解程序快速計(jì)算出每個(gè)時(shí)間平滑二部圖的近似commute time嵌入,獲得指示目標(biāo)數(shù)據(jù)集的多個(gè)指示子集。計(jì)算指示同一個(gè)目標(biāo)對象的所有指示數(shù)據(jù)與標(biāo)號相同類的中心點(diǎn)的加
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于協(xié)同進(jìn)化和譜聚類的大規(guī)模數(shù)據(jù)集快速聚類方法研究.pdf
- 面向大規(guī)模數(shù)據(jù)集的自適應(yīng)聚類算法并行化研究.pdf
- 面向大規(guī)模數(shù)據(jù)的聚類算法研究及應(yīng)用.pdf
- 大規(guī)模數(shù)據(jù)集下一種增量譜聚類算法與框架的研究.pdf
- 基于劃分方法的大規(guī)模數(shù)據(jù)高效聚類算法的研究.pdf
- 面向大規(guī)模數(shù)據(jù)的多視角K-means聚類算法的研究.pdf
- 大規(guī)模數(shù)據(jù)聚類技術(shù)研究與實(shí)現(xiàn).pdf
- 大規(guī)模復(fù)雜數(shù)據(jù)的譜聚類研究.pdf
- 大規(guī)模數(shù)據(jù)挖掘聚類算法的研究與實(shí)現(xiàn).pdf
- 基于模糊聚類的大規(guī)模數(shù)據(jù)聚類算法及其應(yīng)用研究.pdf
- 大規(guī)模數(shù)據(jù)集下核方法的技術(shù)研究.pdf
- 基于大規(guī)模數(shù)據(jù)集的知識適配研究.pdf
- 大規(guī)模數(shù)據(jù)集高效數(shù)據(jù)挖掘算法研究.pdf
- 面向大規(guī)模數(shù)據(jù)集的相關(guān)向量機(jī)分類算法研究與應(yīng)用.pdf
- 大規(guī)模數(shù)據(jù)聚類分析方法研究.pdf
- 基于大規(guī)模數(shù)據(jù)集的模式分類器研究.pdf
- 面向大規(guī)模失衡數(shù)據(jù)集的數(shù)據(jù)挖掘研究.pdf
- 改進(jìn)的人工免疫網(wǎng)絡(luò)算法及其大規(guī)模數(shù)據(jù)聚類研究.pdf
- 基于同步理論的大規(guī)模數(shù)據(jù)聚類算法分析及應(yīng)用研究.pdf
- 面向大規(guī)模數(shù)據(jù)的單體分型算法研究.pdf
評論
0/150
提交評論