基于判別信息和幾何信息的聚類方法研究.pdf

1、我們現(xiàn)在處于大數(shù)據時代，微信、微博等新媒體迅猛發(fā)展，我們不僅是數(shù)據的接收者，更是數(shù)據的發(fā)布者。圖片、視頻、音頻、文字等信息遍布網絡，大數(shù)據成為網絡時代的資產。大數(shù)據本身既不是科學也不是技術，大數(shù)據的特點是數(shù)據數(shù)量巨大，價值密度低，實時在線，多源異構，我們希望從龐大的數(shù)據中獲取有價值的信息，聚類是挖掘大數(shù)據資產價值的第一步，大數(shù)據突破點在于聚類?，F(xiàn)有的機器學習聚類算法如譜聚類、雙圖聚類、特征選擇聚類算法等都存在一定的局限性，傳統(tǒng)的譜聚類算

2、法忽略了數(shù)據集的判別信息，雙圖聚類算法沒有考慮特征空間的幾何信息，特征選擇算法忽略了數(shù)據本身的自相似性等，聚類的準確率有待提高。因此，我們以聚類為主題，通過挖掘數(shù)據本身固有的結構如局部幾何結構、全部判別結構，特征空間幾何信息等信息對數(shù)據聚類。本論文的主要工作如下：
　　1）譜聚類算法建立在圖論中的譜圖理論基礎上，將聚類問題轉化為圖的最優(yōu)劃分問題。已有學者證明在一定的條件下，譜聚類算法和非負矩陣分解（NMF）等價。在此基礎上，已有的

3、非負譜聚類算法NSC-Ncut、NSC-Rcut、NSSC-Ncut和NSSC-Rcut都沒有考慮數(shù)據集的全局判別信息。基于譜聚類與NMF的等價關系，考慮到數(shù)據集的全局判別信息，我們提出了新的譜聚類算法，即基于全局判別的非負譜聚類算法（GDBNSC-Ncut和GDBNSC-Rcut）。新的譜聚類算法保留了數(shù)據集的全局幾何結構和全局判別結構，獲取了數(shù)據的內在幾何結構，且有更強的判別能力，提高了聚類的質量。實驗結果表明，該算法能獲得數(shù)據集的

4、全局判別信息，具有更好的聚類效果。
　　2）特征選擇算法剔除了不相關和冗余的特征，保留最有代表性的特征，不僅能降低數(shù)據維數(shù)，還能提高算法的質量。現(xiàn)有的特征選擇算法大都是在數(shù)據空間進行，本文提出了一種新的特征選擇算法，即基于自表示的雙圖正則特征選擇聚類算法（DFSC），運用數(shù)據可以由自身表示的特性，我們同時保留數(shù)據空間和特征空間的局部幾何信息。通過對數(shù)據空間的自表示系數(shù)矩陣加以l2,1范數(shù)約束，DFSC算法可以有效地選擇最具代表性的

5、特征。實驗結果表明，由于考慮了特征空間的信息，DFSC算法的聚類質量優(yōu)于一些其他的特征選擇算法。此外，DFSC算法和一些雙圖聚類算法相比，多了一個選擇的過程，對比試驗結果表明DFSC算法的聚類質量更高，選擇判別性的特征有利于提高聚類質量。
　　3）特征選擇算法被廣泛用于高維數(shù)據的降維，考慮到高維數(shù)據的自表示特征，受流形學習思想的啟發(fā)，我們提出了一種新的特征選擇聚類算法，即基于自表示和局部保留的無監(jiān)督特征選擇聚類算法（SRLP-FS