科研之友
微信
新浪微博
Facebook
分享链接
摘要
文章探讨了相关系数与距离相关系数的区别与联系，利用距离相关系数度量样本间相似度，进而度量样本类的结构；将样本间欧氏距离转化为样本间相似度，给出两种自适应转化方法，比较研究不同转化方法对谱聚类的影响。然后基于上述样本间相似度进行谱聚类，并以三个典型数据集进行数值实验。数值模拟结果显示：距离相关系数谱聚类算法简单有效，从一个新的视角度量样本间相似度，可将特征取值相关性强的样本聚为一类，各特征取值数量级一致；距离倒数谱聚类不依赖参数，简单有效；全局谱聚类与自适应谱聚类依赖未知参数且受影响较大，但参数选择没有一致做法，具有主观性；相对而言，稳定自适应谱聚类对参数取值范围的适应性更强。
- 单位
