基于通用約束正則化的譜聚類方法研究.pdf

1、譜聚類方法以其簡單高效的特點，在聚類分析領(lǐng)域及其相關(guān)的數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)應(yīng)用中占據(jù)越來越重要的地位。同時，適當(dāng)?shù)脑诰垲愡^程中加入先驗約束，可進(jìn)一步提高譜聚類的準(zhǔn)確性。目前，現(xiàn)有的帶約束的聚類方法不能分別將同組約束（Must-Link）和非同組約束（Cannot-Link）以統(tǒng)一的形式有效嵌入到譜聚類求解過程之中。這篇文章中，針對帶約束的數(shù)據(jù)聚類問題，我們提出了一個通用的數(shù)據(jù)間約束的正則化方法（Unified Spectral Regul

2、arization），并形成了一個基于通用正則化約束的譜聚類計算框架。
　　本文的方法不同于以往的基于半正定規(guī)劃求解的帶約束譜方法，本方法實現(xiàn)了更高效的正則化的譜松弛過程，能將同組約束和非同組約束以通用的正則項的形式嵌入到譜聚類的最優(yōu)化求解目標(biāo)函數(shù)中，并可以直接應(yīng)用于多標(biāo)簽的聚類問題。在本文提出的計算框架中，通過求解正則化的譜分解問題，我們可以快速地求得松弛條件下的全局最優(yōu)解，再通過加權(quán)的K-means聚類方法對松弛的最優(yōu)解進(jìn)行最

3、小整數(shù)誤差的取整近似，可以得到最優(yōu)的聚類劃分結(jié)果。本文提出的方法主要有以下貢獻(xiàn)：
　　1）通用的約束正則化嵌入形式，使得同組約束和非同組約束可以同時對聚類結(jié)果產(chǎn)生正向的引導(dǎo)作用；
　　2）可對接不同相似度矩陣的高可擴(kuò)展性的帶約束譜聚類計算框架；
　　3）相對現(xiàn)有方法顯著提高了聚類準(zhǔn)確度和計算時間等性能。我們在場景視頻數(shù)據(jù)集和UCI數(shù)據(jù)集中與現(xiàn)有最好的帶約束聚類方法以及現(xiàn)有最新的基于約束正則化的譜聚類方法進(jìn)行了多個方面的