一種自適應(yīng)譜聚類算法研究.pdf

1、高維數(shù)據(jù)處理一直是數(shù)據(jù)挖掘領(lǐng)域的一個熱點和難點，隨著維數(shù)的增加，維數(shù)災(zāi)難是一個非常普遍的問題，由于數(shù)據(jù)的屬性過多，增加了很多不確定的因素，而且會導(dǎo)致數(shù)據(jù)過于稀疏，從而增加了處理的難度。針對這個問題，很多學(xué)者做了大量的研究，不同程度地減少了維數(shù)災(zāi)難帶來的影響，其中降維和子空間聚類是當(dāng)前研究的熱點。
　　譜聚類是子空間聚類的一種方法，最近幾年，在模式識別和數(shù)據(jù)挖掘領(lǐng)域得到了廣泛的應(yīng)用。許多傳統(tǒng)的聚類算法，如k-means算法，在球狀數(shù)

2、據(jù)上可以得到較好的聚類效果，但是在其他形狀的數(shù)據(jù)上表現(xiàn)不盡如人意，而且容易收斂到局部最優(yōu)解。相比之下，譜聚類方法有在任意形狀的數(shù)據(jù)上得到聚類結(jié)果的能力，并且收斂于全局最優(yōu)解。
　　本文通過對譜聚類算法進(jìn)行研究和分析，得出傳統(tǒng)譜聚類算法的不足，并將共享近鄰與測地距離的概念與譜聚類結(jié)合，提出了基于測地距離和共享近鄰的自適應(yīng)譜聚類，改進(jìn)后的譜聚類算法既能充分考慮到鄰居節(jié)點的信息，又能準(zhǔn)確的對距離進(jìn)行度量，實驗表明，該算法對測地數(shù)據(jù)有較好