一种基于特征间隙的检测簇数的谱聚类算法

来源：计算机技术与发展杂志2015年第09期北京时间：

作者：胡海峰;刘萍萍

摘要：数据挖掘中如何根据数据之间的相似度确定簇( Cluster)数一直是聚类算法中需要解决的难题。文中在经典谱聚( Spectral Clustering)算法的基础上提出了一种基于特征间隙检测簇数的谱聚类算法( Spectral Clustering with Identifying Clustering Number based on Eigengap,SC-ICNE)。通过构建规范的拉普拉斯矩阵,顺序求解其特征值和相应特征向量,并得到矩阵相邻特征值的间隙,通过判断特征间隙的位置来确定簇数k。最后,通过对前k个特征向量的k-means算法实现数据集的聚类。文中通过仿真分析了高斯相似度函数对SC-ICNE聚类性能的影响,在非凸球形数据集和UCI数据集上进行了性能仿真,并和k-means聚类算法进行了对比,在检测簇数和聚类准确性方面,验证了SC-ICNE算法的有效性。

关键词：谱聚类;簇数;特征间隙;高斯相似度