一种基于流形距离核的谱聚类和量子聚类融合算法

作者：马宇红; 李兴义; 薛生倩; 王小小

来源：西北师范大学学报(自然科学版), 2023, 59(02): 37-46.

DOI：10.16783/j.cnki.nwnuz.2023.02.007

• 流形距离核
• 谱聚类
• 量子聚类
• 拉普拉斯矩阵
• 特征向量

谱聚类是一种基于图谱划分理论的聚类算法,本质上是将聚类问题转化为图的最优划分问题;量子聚类可以充分挖掘数据样本的内在信息,是一种基于划分的无监督聚类算法.为了充分发挥谱聚类算法和量子聚类算法的优势,本文提出了一种基于流形距离核的谱聚类和量子聚类融合算法(MFD-NJW-QC).首先,计算数据集的流形距离核矩阵,构造相应的拉普拉斯矩阵;其次,根据拉普拉斯矩阵的若干最大特征值对应的特征向量构造新数据集,并使用量子聚类算法对新构造的数据集进行聚类,从而得到原始数据的类标签;最后,基于7个人工数据集和5个UCI数据集验证MFD-NJW-QC算法的聚类性能.结果显示,MFD-NJW-QC算法能够明显提高聚类性能,尤其对于具有流形结构,且类簇大小不平衡、密度分布不均匀的数据集优势更为突出.

• 单位
  西北师范大学