基于密度调整和流形距离的近邻传播算法

针对近邻传播聚类算法在构造相似度矩阵时因对多重尺度和任意形状数据敏感而聚类效果不理想的缺陷,提出一种基于密度调整和流形距离的近邻传播算法。该算法将"领域密度"和"流形理论"的思想引入近邻传播算法,利用基于密度调整和流形的距离更好地刻画了样本空间的真实分布状况,解决了相似度矩阵不能充分表示数据之间内在关系的问题,在一定程度上提高了近邻传播聚类算法的聚类效果。通过在人工数据集和标准数据集上进行实验对比,验证了算法的有效性和优越性。

基于密度调整的改进自适应谱聚类算法

针对谱聚类存在构造相似度矩阵时对尺度参数敏感以及处理多重尺度数据集效果不理想的缺陷,提出一种基于密度调整的改进自适应谱聚类算法.该算法将样本点所处领域的密度引入谱聚类,利用密度差来调整样本点之间的相似度,使其更符合实际簇类中样本点间的内在关系,在一定程度上解决了多尺度聚类问题;同时,通过样本点的近邻距离自适应得到尺度参数,使算法对尺度参数相对不敏感.仿真实验验证了所提出算法的有效性和优越性.