科研之友
微信
新浪微博
Facebook
分享链接
摘要
组合聚类(EC)是解决数据挖掘问题的关键手段之一,但现有的EC方法较少考虑可能破坏聚类结构的各种噪声,降低了聚类性能。为此,提出一种改进的谱组合聚类(ISEC)方法。将聚类问题建模为输入的多个基本分区(BPs)派生的共协矩阵的图分割问题;ISEC方法学习得到共协矩阵的低秩表示,并在共协矩阵上进行谱聚类,提高聚类性能;最后采用增强拉格朗日乘数法进行优化求解,获得最终的聚类结果。在多个真实数据集上的仿真实验结果表明,ISEC方法的聚类性能优于目前的大多数聚类方法。
- 单位
组合聚类(EC)是解决数据挖掘问题的关键手段之一,但现有的EC方法较少考虑可能破坏聚类结构的各种噪声,降低了聚类性能。为此,提出一种改进的谱组合聚类(ISEC)方法。将聚类问题建模为输入的多个基本分区(BPs)派生的共协矩阵的图分割问题;ISEC方法学习得到共协矩阵的低秩表示,并在共协矩阵上进行谱聚类,提高聚类性能;最后采用增强拉格朗日乘数法进行优化求解,获得最终的聚类结果。在多个真实数据集上的仿真实验结果表明,ISEC方法的聚类性能优于目前的大多数聚类方法。
