拉普拉斯加權(quán)聚類算法的研究.pdf

1、聚類分析有著十分廣泛的應(yīng)用，一直是模式識別、數(shù)據(jù)挖掘、圖像處理等領(lǐng)域的研究熱點之一。現(xiàn)有的大多數(shù)聚類算法都隱含假定待分析樣本的貢獻(xiàn)及其各維特征對聚類的貢獻(xiàn)均勻，然而，實際中不同樣本和樣本的不同維度對聚類過程有著不同的影響。本文針對樣本的不均勻貢獻(xiàn)，借鑒流形學(xué)習(xí)中利用數(shù)據(jù)結(jié)構(gòu)信息的方法，提出了一種拉普拉斯加權(quán)聚類算法。隨后，對其權(quán)值進(jìn)行優(yōu)化處理，并將其與半監(jiān)督聚類的思想結(jié)合起來。最后，將隸屬度約束及半監(jiān)督約束形式引入到該算法中，并應(yīng)用于圖

2、像分割。 本文主要的創(chuàng)新和研究工作總結(jié)如下：
　　 (1）在傳統(tǒng)C-均值和模糊C-均值的基礎(chǔ)上，通過引入能夠表示樣本鄰域信息的權(quán)系數(shù)矩陣，提出了一種拉普拉斯加權(quán)聚類算法，在人工數(shù)據(jù)集和國際標(biāo)準(zhǔn)數(shù)據(jù)集上的實驗結(jié)果驗證了所提方法的有效性。
　　 (2）對所提出的拉普拉斯加權(quán)聚類算法的參數(shù)進(jìn)行優(yōu)化選擇，提出了一種自適應(yīng)的參數(shù)選擇方法，該方法能構(gòu)建更加符合數(shù)據(jù)集結(jié)構(gòu)信息的權(quán)系數(shù)矩陣，增強(qiáng)了算法的魯棒性。
　　 (3）在拉