基于Nystr_m擴展的譜聚類算法研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、聚類分析就是將數(shù)據(jù)樣本進行分組的過程,它的目標(biāo)就是根據(jù)數(shù)據(jù)樣本的結(jié)構(gòu)特征提取數(shù)據(jù)集中隱藏的信息,從而對數(shù)據(jù)進行合理的劃分。聚類分析已經(jīng)成為數(shù)據(jù)挖掘和機器學(xué)習(xí)領(lǐng)域中一種非常有效的工具之一。
  譜聚類作為聚類分析一種新興的分支在近十年來得到了巨大的關(guān)注與發(fā)展。譜聚類的成功不僅僅是因為它本身簡單易實現(xiàn),而且它可以將數(shù)據(jù)集從原始空間轉(zhuǎn)換到低維的特征空間,使原始空間的數(shù)據(jù)變成線性可分,此時便可使用傳統(tǒng)聚類算法在新的特征空間中進行聚類。此外

2、,研究者對譜聚類的喜愛還因為它有著深厚的理論基礎(chǔ),并與許多領(lǐng)域有著千絲萬縷的關(guān)系,這使得譜聚類得到越來越多的應(yīng)用。但是,由于譜聚類在執(zhí)行過程中需要存儲整個相似度矩陣并進行特征分解,需要消耗大量的時空開銷,這使得譜聚類在大規(guī)模數(shù)據(jù)中的實用性很低。
  為了有效降低譜聚類算法的復(fù)雜度,近年來人們提出了很多有效的方法。其中,最優(yōu)影響力的是Nystr(o)m擴展技術(shù),它通過一小部分抽樣的數(shù)據(jù)來逼近原始數(shù)據(jù)的特征空間,有效地解決了大規(guī)模數(shù)據(jù)

3、的時間和空間開銷的問題。抽樣算法是Nystr(o)m擴展中最重要的方面。
  在本文中,我們首先對譜聚類算法近年來的研究現(xiàn)狀進行了總結(jié),并重點討論了Nystr(o)m擴展應(yīng)用于大規(guī)模譜聚類中的抽樣算法。當(dāng)前已存在很多比較成功的抽樣算法,但這些算法都是基于矩陣逼近誤差的理論分析,目前還沒有關(guān)于抽樣集對聚類效果的影響方面的研究。本文認(rèn)為矩陣逼近對于聚類效果沒有直接的影響,通過引入抽樣集預(yù)測能力這一概念,利用標(biāo)記點預(yù)測未抽樣點的類別標(biāo)簽

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論