基于標(biāo)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(biāo)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(biāo)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