基于標記點的快速譜聚類算法研究.pdf

1、譜聚類算法是近年來機器學(xué)習(xí)和模式識別領(lǐng)域最重要也是最熱門的基礎(chǔ)算法之一。譜聚類算法將聚類問題轉(zhuǎn)換為圖的分割問題，通過對相應(yīng)的拉普拉斯矩陣的特征向量進行聚類，找到對圖的最優(yōu)劃分。憑借其良好的聚類結(jié)果和簡單的實現(xiàn)細節(jié)，譜聚類算法越來越廣泛地被研究人員運用在圖像分割、人臉識別、語音分析等領(lǐng)域。然而由于在計算過程中需要維護一個大小與樣本數(shù)量二次相關(guān)的拉普拉斯矩陣并對其進行特征值分解，譜聚類在處理大量樣本時需要耗費過多的時間和內(nèi)存空間。譜聚類性能

2、上的缺陷限制了其從實驗室走向工業(yè)化應(yīng)用的步伐。
　　本文分析了當(dāng)前主流的譜聚類加速算法的優(yōu)缺點，從改進譜聚類在大數(shù)據(jù)集下的運行性能的角度出發(fā)，根據(jù)稀疏編碼理論，提出了一種基于標記點和子空間迭代的快速譜聚類算法。本文提出的算法在普通樣本與隨機抽取的標記樣本之間建立相似度關(guān)系，利用稀疏編碼的方式將這種關(guān)系重新定義為樣本的特征，并將該特征存儲在稀疏的扁平矩陣內(nèi)。該方法繼而結(jié)合子空間迭代算法，能夠在不生成拉普拉斯矩陣的前提下計算出拉普拉斯