初始化独立的谱聚类算法  

Initialization independent spectral clustering algorithm

作　　者：施培蓓[1] 郭玉堂[1] 胡玉娟[1] 俞骏[1] 

机构地区：[1]合肥师范学院公共计算机教学部,合肥230601

出　　处：《计算机工程与应用》2010年第25期134-137,共4页Computer Engineering and Applications

基　　金：安徽省高等学校省级自然科学研究重点项目(No.KJ2009A150;No.KJ2010A283);安徽省高校省级自然科学研究项目No.KJ2010B162;合肥师范学院院级科研项目(No.2010KJ05)~~

摘　　要：谱聚类作为一种新颖的聚类算法近年来受到模式识别领域的广泛关注。针对传统谱聚类算法对初始中心敏感的特点,通过引入对初值不敏感的k-调和平均算法,提出一种初始化独立的谱聚类算法。在人工数据和真实数据上的实验表明,相比于传统的k-means算法、FCM算法和EM算法,改进算法在稳定性和聚类性能上有了显著的提高。Spectral clustering is used in pattern recognition extensively as a novel clustering algorithm in recent years.Due to the initialization dependence of original spectral clustering, this paper introduces the initialization insensitive k-harmonic means algorithm and proposes an initialization independent spectral clustering algorithm.Experiment on the artificial data set and the real data set shows that the improved algorithm has the remarkable enhancement in the stability and the clustering performance compared with traditional k-means algorithm,FCM algorithm and EM algorithm.

关 键 词：聚类 谱聚类 k-调和平均 初始化 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]