半監(jiān)督譜聚類算法的研究.pdf

1、譜聚類算法建立在譜圖理論基礎(chǔ)上，是近年流行的高性能聚類算法。與傳統(tǒng)的聚類算法相比，它能夠在空間對任意形狀數(shù)據(jù)進(jìn)行聚類并收斂于全局最優(yōu)解。傳統(tǒng)的譜聚類通常認(rèn)為是無監(jiān)督的，但是對于實際數(shù)據(jù)，我們很容易獲取其中一些數(shù)據(jù)的先驗知識并利用它們增加聚類精度。譜聚類中相似度函數(shù)定義，特征向量的選擇對其聚類效果起決定意義，于是本文利用數(shù)據(jù)的一些先驗知識并結(jié)合譜聚類算法提出了半監(jiān)督譜聚類算法。
　　本文的主要研究工作與貢獻(xiàn)如下：
　　1.首先

2、對數(shù)據(jù)挖掘的研究背景及現(xiàn)狀、譜聚類的研究現(xiàn)狀、數(shù)據(jù)挖掘的任務(wù)和數(shù)據(jù)挖掘語言進(jìn)行簡要介紹，然后概述聚類分析的相關(guān)理論，最后重點(diǎn)介紹了譜聚類的相關(guān)理論，分析了譜聚類優(yōu)勢及存在的缺陷。
　　2.傳統(tǒng)的譜聚類算法通常利用高斯核函數(shù)作為相似度函數(shù)，但是對于密度分布不均勻的數(shù)據(jù)往往不能取得良好效果。在定義新的相似度函數(shù)基礎(chǔ)上，提出了一種密度自適應(yīng)的半監(jiān)督聚類算法。該算法結(jié)合半監(jiān)督聚類的成對約束理論，利用先驗信息對樣本點(diǎn)之間的相似度進(jìn)行自適應(yīng)調(diào)

3、整，提高了聚類的精度。在人工數(shù)據(jù)集上進(jìn)行仿真，可以直觀地發(fā)現(xiàn)聚類效果明顯優(yōu)于傳統(tǒng)譜聚類，真實數(shù)據(jù)采用UCI數(shù)據(jù)集，采用傳統(tǒng)的外部評價標(biāo)準(zhǔn)一熵和準(zhǔn)確率進(jìn)行聚類評價，結(jié)果也是令人滿意的，此外針對半監(jiān)督聚類，另外增加了CRI指標(biāo)，研究成對約束和聚類效果優(yōu)劣的關(guān)系。
　　3.傳統(tǒng)的譜聚類算法選擇特征向量時往往取前k個特征值最大的特征向量。但有研究表明，有時取前k個最大的特征向量并不能取得良好效果。針對這個問題，本文提出了一種兩階段選取特征