譜聚類算法的研究與應(yīng)用.pdf

1、大數(shù)據(jù)時(shí)代已經(jīng)來臨，當(dāng)今社會得數(shù)據(jù)者得天下。如何高效、準(zhǔn)確地分析和處理海量的數(shù)據(jù)成為了時(shí)下的熱門話題。聚類分析作為數(shù)據(jù)挖掘領(lǐng)域中一顆冉冉升起的明星，在近些年吸引了大量的關(guān)注并取得了快速的發(fā)展。譜聚類算法是在傳統(tǒng)聚類算法的基礎(chǔ)上，結(jié)合了圖的譜理論，發(fā)展起來的一種新型優(yōu)秀算法。它具有能在任意形狀的數(shù)據(jù)樣本空間上進(jìn)行聚類并收斂于全局最優(yōu)解的優(yōu)點(diǎn)。
　　本文從譜聚類算法的時(shí)代背景、發(fā)展現(xiàn)狀、基本思想、具體流程以及面臨的問題等方面詳細(xì)介紹了

2、譜聚類算法，并基于其面臨的問題提出了兩種創(chuàng)新型的解決方案。
　　在關(guān)于特征向量如何選取的問題上，由于特征向量構(gòu)成的空間決定了譜分解的效果，繼而決定了聚類的質(zhì)量，因此選擇合適的特征向量對算法而言是十分重要的;本文在對該問題的研究后，提出了一種基于特征向量自動選取的譜聚類算法，經(jīng)過數(shù)值實(shí)驗(yàn)驗(yàn)證后，得出在對于典型譜聚類問題的處理上該法可以提高算法質(zhì)量并解決特征向量的選取問題。
　　在關(guān)于優(yōu)化算法的問題上，低秩子空間譜聚類算法適宜于