基于路徑相似度測量的譜聚類算法研究.pdf

1、聚類作為一種重要的數(shù)據(jù)分析手段,是機器學習、模式識別等領域的研究熱點。聚類的目的是把對象按照性質(zhì)上的親疏程度分成多個類或簇,使得簇內(nèi)的數(shù)據(jù)具有較高相似度,簇間的數(shù)據(jù)具有較高的相異度,它不考慮先驗知識或假設,因此是一種無監(jiān)督的學習過程。
　　譜聚類算法是近年來廣受關注的一種高性能計算方法,與傳統(tǒng)聚類方法相比,具有能在任意形狀的樣本空間上聚類且收斂于全局最優(yōu)解的特點,非常適合于解決許多實際應用問題,如計算機視覺、圖像分割等。目前,譜聚

2、類算法的研究仍處于初級階段,還存在許多亟需解決的問題,如算法受高斯核尺度參數(shù)的影響較大,對噪聲點較為敏感,不能利用先驗信息指導聚類過程等。針對以上問題,提出了一種基于路徑相似度測量的魯棒性譜聚類算法(Robust Path-Based similarity measurement for Spectral Clustering,RPB-SC),并將此算法擴展為半監(jiān)督的形式,以便利用成對限制先驗信息提高聚類性能,相應的算法稱為基于路徑相似

3、度測量的魯棒性半監(jiān)督譜聚類算法(Robust Path-Based similarity measurement for Semi-supervised Spectral Clustering,RPB-SSC)。具體研究內(nèi)容如下:
　?、贅?gòu)造相似矩陣。本文將路徑聚類思想引入到譜聚類算法中來,設計一種新的相似度測量函數(shù)。該函數(shù)能夠避免設置全局的尺度參數(shù),減弱尺度參數(shù)對聚類結(jié)果的影響,使相似矩陣更加符合聚類假設。
　?、谒惴敯?/p>

4、性研究。譜聚類算法對噪聲點較為敏感,根據(jù)對樣本點鄰域信息的統(tǒng)計分析,定義了具有魯棒性的鄰域加權尺度因子,抑制噪聲的影響。
　?、郯氡O(jiān)督譜聚類方法研究。嘗試將成對限制先驗信息引入到譜聚類算法中,并將樣本層面上的有限的限制信息進行空間傳播,指導聚類過程。
　　④譜聚類算法在圖像分割中的應用研究。提出基于本文改進算法的彩色圖像分割方法框架,實現(xiàn)對包含噪聲的圖像分割,并利用先驗信息指導分割過程。
　　為驗證算法的有效性,本文在