聚类中心自动确定的谱聚类算法研究

目前的谱聚类算法主要存在难以选取合适的尺度参数,需要人工确定聚类个数,参数依赖性大等问题.针对这些问题,本文提出了聚类中心自动确定的谱聚类算法(ADNC-SC).针对难以确定合适的尺度参数来反映数据结构的问题,ADNC-SC算法依据数据点与临近点的距离均值定义局部尺度参数,充分利用数据点的局部特征来反映数据结构;针对谱聚类算法需要预先设定聚类个数的困难,本文采用了一种自动确定聚类个数的策略,通过分析数据对象的密度和距离的分布规律自动确定聚类中心;针对参数依赖性大的问题,ADNC-SC算法设计了一个Fitness函数作为评价不同临近点个数所对应的聚类结果的指标,选取最优临近点个数,并依据算法的时间复杂度和空间复杂度的关系确定划分区间个数.最终将所提出算法与部分较优秀算法在多个数据集上展开聚类效果比较,验证提出的ADNC-SC算法的有效性,并将其应用于人脸识别.