|
|||||
|
|
| 基于局部和全局信息的正则化迭代聚类 | |
| 作者姓名： | 许小龙 王士同 |
| 作者单位： | 江南大学数字媒体学院 |
| 基金项目： | 江苏省自然科学基金(BK2011417) |
| 摘 要： | 聚类是一种高效的数据分析方法,经典的K-means算法只适用于类簇为凸形的数据集,谱聚类算法虽然避免了K-means的一些缺点,但相似度中的参数设置问题以及较高的计算、存储复杂度对聚类有所限制.基于局部和全局信息的正则化迭代聚类,先取部分数据作为一个整体聚类,然后逐渐加入少量数据进行迭代求解.该方法继承传统谱聚类的优点,充分利用局部正则化和全局正则化信息,通过迭代方式求解使较大规模数据聚类成为可能.通过实验对比结果显示,该算法有良好的聚类效果. |
| 关 键 词： | 凸形 谱聚类 局部正则化 全局正则化 迭代 |
| 本文献已被 CNKI 等数据库收录！ | |