基于標(biāo)記點(diǎn)的快速譜聚類算法研究.pdf

1、譜聚類算法是近年來機(jī)器學(xué)習(xí)和模式識(shí)別領(lǐng)域最重要也是最熱門的基礎(chǔ)算法之一。譜聚類算法將聚類問題轉(zhuǎn)換為圖的分割問題，通過對(duì)相應(yīng)的拉普拉斯矩陣的特征向量進(jìn)行聚類，找到對(duì)圖的最優(yōu)劃分。憑借其良好的聚類結(jié)果和簡(jiǎn)單的實(shí)現(xiàn)細(xì)節(jié)，譜聚類算法越來越廣泛地被研究人員運(yùn)用在圖像分割、人臉識(shí)別、語(yǔ)音分析等領(lǐng)域。然而由于在計(jì)算過程中需要維護(hù)一個(gè)大小與樣本數(shù)量二次相關(guān)的拉普拉斯矩陣并對(duì)其進(jìn)行特征值分解，譜聚類在處理大量樣本時(shí)需要耗費(fèi)過多的時(shí)間和內(nèi)存空間。譜聚類性能

2、上的缺陷限制了其從實(shí)驗(yàn)室走向工業(yè)化應(yīng)用的步伐。
　　本文分析了當(dāng)前主流的譜聚類加速算法的優(yōu)缺點(diǎn)，從改進(jìn)譜聚類在大數(shù)據(jù)集下的運(yùn)行性能的角度出發(fā)，根據(jù)稀疏編碼理論，提出了一種基于標(biāo)記點(diǎn)和子空間迭代的快速譜聚類算法。本文提出的算法在普通樣本與隨機(jī)抽取的標(biāo)記樣本之間建立相似度關(guān)系，利用稀疏編碼的方式將這種關(guān)系重新定義為樣本的特征，并將該特征存儲(chǔ)在稀疏的扁平矩陣內(nèi)。該方法繼而結(jié)合子空間迭代算法，能夠在不生成拉普拉斯矩陣的前提下計(jì)算出拉普拉斯