一种基于SimRank得分的谱聚类算法

摘要：

传统的谱聚类算法在建立相似度矩阵时仅考虑数据点与点的距离,忽略了数据点之间隐含的内在联系.针对这一问题,提出了一种基于SimRank的谱聚类算法.该算法首先用无向图数据建立邻接矩阵,并计算出基于Sim-Rank的相似度矩阵;然后根据相似度矩阵建立拉普拉斯矩阵表达式,对其进行归一化后再进行谱分解;最后对分解得到的特征向量进行k-means聚类.在Zoo等UCI标准数据集上的实验结果表明,所提算法在聚类精确度、标准互信息和纯度3个评价指标上均优于现有的LRR(Low Rank Rrepresentation)等基于距离相似度的谱聚类算法.

关键词：谱聚类、相似度矩阵、SimRank得分、邻接矩阵、拉普拉斯矩阵、k-均值聚类

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划项目2016YFB1000905;国家自然科学基金61363009,61672177,61573270,81701780;广西自然科学/青年基金2015GXNSFCB139011,2017GXNSFBA198221;广西多源信息挖掘与安全重点实验室开放基金16-A-01-01,16-A-01-02;广西研究生教育创新计划项目XYCSZ2017064,XYCSZ2017067,YCSW2017065;广西研究生创新计划项目YCSW2018094

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：458-461,467