基于密度自适应邻域相似图的半监督谱聚类

作者：刘友超; 张曦煌

来源：计算机应用研究, 2020, (09): 2604-2609.

DOI：10.19734/j.issn.1001-3695.2019.04.0113

• 谱聚类
• 密度自适应邻域
• 相似图
• 半监督学习 spectral clustering
• density adaptive neighbor
• similarity graph
• semi-supervised learning

谱聚类是基于谱图划分理论的一种聚类算法,传统的谱聚类算法属于无监督学习算法,只能利用单一数据来进行聚类。针对这种情况,提出一种基于密度自适应邻域相似图的半监督谱聚类(DAN-SSC)算法。DAN-SSC算法在传统谱聚类算法的基础上结合了半监督学习的思想,很好地解决了传统谱聚类算法无法充分利用所有数据,不得不对一些有标签数据进行舍弃的问题;将少量的成对约束先验信息扩散至整个空间,使其能更好地对聚类过程进行指导。实验结果表明,DAN-SSC算法具有可行性和有效性。

• 单位
  江南大学