无需特征分解的快速谱聚类算法

• 作 者: 刘静姝 王莉 刘惊雷
• 机 构: 太原理工大学大数据学院,烟台大学计算机与控制工程学院
• 出 处: 计算机应用
• 发表日期: 2020年12期
• 关键词: 谱聚类 Nystr?m采样 收敛性分析 特征分解 乘法更新迭代 spectral clusteringNystr?m samplingconvergence a
• 基金项目: 国家自然科学基金资助项目(61872260),山西省自然科学基金资助项目(201703D421013)

为了解决样本数较大时,传统谱聚类算法执行特征分解消耗时间过大的问题,提出了一种无需特征分解的快速谱聚类算法,通过乘法更新迭代来降低时间开销。首先,利用Nystr?m方法进行随机采样,建立了采样矩阵和原始矩阵之间的关系;其次,基于乘法更新原理实现矩阵指示器矩阵的迭代更新;最后,在理论上对所设计算法进行了正确性和收敛性分析。在广泛使用的五个真实数据集和三个人工合成数据集上进行测试。实验结果表明,在真实数据集上,所提算法的标准互信息(NMI)平均值为0.45,与k-means聚类算法相比提高了12.50%