基于自然邻的自适应谱聚类算法

来源：计算机技术与发展杂志2017年第11期北京时间：

作者：朱庆生;付飘飘;张程

摘要：在传统谱聚类算法中,构造相似矩阵时需要人为输入尺度参数;除此之外,之后的k-means过程中还需要人工输入确切的聚类数目,而以上两个参数对聚类效果影响巨大.针对以上问题,提出了一种基于自然邻的自适应谱聚类算法.该算法不需要人为输入任何参数,完全实现自适应,主要方式是通过自然邻算法获取各点之间的邻近信息,其中包括自然邻个数、自然逆邻个数、自然邻居集以及自然逆邻居集.通过实例分析,在多重尺度数据集下或者在流行数据集中,充分利用以上先验信息构造出更加符合实际情况的相似矩阵.另外,根据近邻传播思想获得聚类数目.将该算法运用于部分人工数据集上,且与谱聚类算法进行比较,聚类效果显著改进.实验结果表明,该算法具有一定的有效性和优越性.

关键词：谱聚类;自然邻;自适应;尺度参数;聚类数目