-
公开(公告)号：CN102982342B
公开(公告)日：2015-07-15
申请号：CN201210445602.9
申请日：2012-11-08
Applicant: 厦门大学
IPC: G06K9/62
Abstract: 基于拉格朗日对偶的半正定谱聚类方法，涉及一种谱聚类方法。A.对给定样本数据集采用主成分分析进行降维；B.基于全向连接图的方法构造样本数据集的相似度矩阵，并采用基于高斯核函数和多项式核函数的加权和方法来计算样本数据对之间的相似度；C.基于拉格朗日对偶性质对相似度矩阵进行半正定归一化求解；D.对归一化矩阵进行奇异值分解，得到前k个最大特征值对应的特征向量组成的矩阵；E.利用传统的k均值聚类或者其他聚类方法对特征向量矩阵进行聚类分析得到最终的聚类结果。可对各类数据进行有效地聚类，通过对算法分析可知，相对于常规的半正定谱聚类求解算法，不仅可提高谱聚类的精度，而且可极大降低谱聚类所需的时间。
-
公开(公告)号：CN102982342A
公开(公告)日：2013-03-20
申请号：CN201210445602.9
申请日：2012-11-08
Applicant: 厦门大学
IPC: G06K9/62
Abstract: 基于拉格朗日对偶的半正定谱聚类方法，涉及一种谱聚类方法。A.对给定样本数据集采用主成分分析进行降维；B.基于全向连接图的方法构造样本数据集的相似度矩阵，并采用基于高斯核函数和多项式核函数的加权和方法来计算样本数据对之间的相似度；C.基于拉格朗日对偶性质对相似度矩阵进行半正定归一化求解；D.对归一化矩阵进行奇异值分解，得到前k个最大特征值对应的特征向量组成的矩阵；E.利用传统的k均值聚类或者其他聚类方法对特征向量矩阵进行聚类分析得到最终的聚类结果。可对各类数据进行有效地聚类，通过对算法分析可知，相对于常规的半正定谱聚类求解算法，不仅可提高谱聚类的精度，而且可极大降低谱聚类所需的时间。
-
Search Results
2
records
(took 0.017 seconds)
