譜聚類算法研究及其在鋁土礦浮選工況識別中的應用.pdf

1、譜聚類作為一種高效的聚類算法，其聚類質量不受樣本數據中集簇類形狀的影響，不管樣本空間是否非凸，都能得到全局最優(yōu)。然而，在聚類過程中對尺度參數的敏感以及需要事先人為設定聚類數使得譜聚類具有一定的局限性。本文研究能夠自適應獲得尺度參數和最優(yōu)聚類數目的譜聚類算法，并用于基于機器視覺的鋁土礦浮選過程工況識別仿真。
　　論文的主要內容為:(1)分析了譜聚類算法的基本思想及相關理論，給出了經典譜聚類的算法步驟。(2)通過構建新的相似度函數，利

2、用數據點鄰域內的點密度對數據點之間的相似度進行調整，使之更加符合實際簇類中數據點之間的相似關系，解決了譜聚類算法在構建相似度矩陣時對尺度參數敏感的問題;同時，在計算相似度時使用近鄰距離來自適應計算尺度參數，構成基于密度調整的自適應譜聚類算法，克服了人為設定尺度參數的困難。(3)針對傳統(tǒng)譜聚類算法需要事先確定數據集聚類數的問題，基于數據集中實際簇類之間的數據點在特征空間中的相對位置關系，通過計算不同聚類數取值時所有數據點在特征空間的對應映