一種新的基于流行距離的譜聚類算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
本文提出了一種新的基于流行距離的譜聚類算法，這是一種新型的聚類分析算法。不僅能夠?qū)θ我獾姆且?guī)則形狀的樣本空間進(jìn)行聚類，而且能獲得全局最優(yōu)解。文章以聚類算法的相似性度量作為切入點(diǎn)，對(duì)傳統(tǒng)的相似性測度方法進(jìn)行改進(jìn)，將傳統(tǒng)譜聚類算法（NJW-SC）中的基于歐氏距離的相似性測度換為基于流行距離的相似性測度，在此基礎(chǔ)上對(duì)樣本對(duì)象集進(jìn)行聚類。之后將新提出來的算法同K-Means算法、傳統(tǒng)譜聚類算法、模糊C均值聚類算法在人工數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對(duì)比，得出新的算法在非凸形狀的數(shù)據(jù)集和在全局一致性上取得了較好的效果。在UCI數(shù)據(jù)集上用人工評(píng)價(jià)指標(biāo)F-measure對(duì)聚類質(zhì)量進(jìn)行評(píng)價(jià)，發(fā)現(xiàn)其也優(yōu)于其他方法。在通過實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證后，我將譜聚類算法應(yīng)用在實(shí)際的數(shù)據(jù)中，看其是否能取得良好的效果。查閱資料，最終選取了極光圖像，通過對(duì)極光圖像的分類驗(yàn)證了譜聚類算法在極光分類中也有很好的應(yīng)用。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(6) 100%