基于路径相似度测量的鲁棒性谱聚类算法.pdfVIP

第３２卷第２期 计 算 机 应 用 研 究 Ｖｏｌ３２ Ｎｏ２ 　２０１５ 年２ 月　 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆＣｏｍｐｕｔｅｒｓ Ｆｅｂ．２０１５　 基于路径相似度测量的鲁棒性谱聚类算法 范　敏，李泽明，石　欣 （重庆大学 自动化学院，重庆４０００４４） 摘　要：传统谱聚类算法受高斯核尺度参数的影响较大，对噪声点较为敏感，并且不能利用先验信息指导聚类 过程。针对以上问题，提出了一种基于路径相似度测量的鲁棒性谱聚类算法（ＲＰＢＳＣ）。该算法将路径聚类与 谱聚类算法相结合，通过定义高斯核的邻域加权尺度因子计算相似度，再用路径聚类思想对全局相似度进行调 节，同时通过成对限制先验信息辅助聚类有哪些信誉好的足球投注网站。在人工数据集和真实数据集上的实验表明，新提出的算法能有 效减弱高斯核尺度参数的影响，增强对噪声点的鲁棒性，提高聚类性能。 关键词：谱聚类；基于路径聚类；半监督聚类；尺度参数；鲁棒性；邻域加权尺度因子 中图分类号：ＴＰ３０１．６　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１５）０２０３７２０４ ｄｏｉ：１０３９６９／ｊ．ｉｓｓｎ１００１３６９５２０１５０２０１２ Ｒｏｂｕｓｔ ｐａｔｈｂａｓｅｄ ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅｍｅｎｔ ｆｏｒ ｓｐｅｃｔｒａｌ ｃｌｕｓｔｅｒｉｎｇ ＦＡＮ Ｍｉｎ，ＬＩ Ｚｅｍｉｎｇ，ＳＨＩ Ｘｉｎ （Ｓｃｈｏｏｌ ｏｆＡｕｔｏｍａｔｉｏｎ，Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｔｒａｄｉｔｉｏｎａｌ ｓｐｅｃｔｒａｌｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｇｒｅａｔｌｙａｆｆｅｃｔｅｄｂｙｉｔｓｓｃａｌｅｐａｒａｍｅｔｅｒｕｓｅ ｉｎ Ｇａｕｓｓｉａｎｋｅｒｎｅｌ，ａｎｄｉｓ ｓｅｎｓｉｔｉｖｅ ｔｏ ｎｏｉｓｅ ａｎｄ ｏｕｔｌｉｅｒｓ ｉｎ ｔｈｅ ｄａｔａ，ａｎｄ ｃａｎ’ｔ ｕｓｅ ｐｒｉｏｒｉ ｉｎｆｏｒｍａｔｉｏｎ ｔｏ ｇｕｉｄｅ ｔｈｅ ｃｌｕｓｔｅｒｉｎｇ ｐｒｏｃｅｓｓ．Ｔｏ ｓｏｌｖｅ ｔｈｅｓｅ ｐｒｏｂｌｅｍｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄ ａ ｒｏｂｕｓｔ ｐａｔｈｂａｓｅｄ ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅｍｅｎｔ ｆｏｒ ｓｐｅｃｔｒａｌ ｃｌｕｓｔｅｒｉｎｇ（ＲＰＢＳＣ）．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｅｄ ｐａｔｈｂａｓｅｄ ｃｌｕｓｔｅｒｉｎｇｗｉｔｈ ｓｐｅｃｔｒａｌ ｃｌｕｓｔｅｒｉｎｇ．Ｉｔｃｏｍｐｕｔｅｄｔｈｅ ｓｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎ ｓａｍｐｌｅｓｂｙ ｄｅｆｉｎｉｎｇａｗｅｉｇｈｔｅｄｌｏ ｃａｌ ｓｃａｌｅ ｉｎ Ｇａｕｓｓｉａｎ ｋｅｒｎｅｌ ａｎｄ ａｄｊｕｓｔｅｄ ｔｈｅ ｗｈｏｌｅ ｓｉｍｉｌａｒｉｔｙ ｂｙ ｐａｔｈｂａｓｅｄ ｃｌｕｓｔｅｒｉｎｇ．Ｍｅａｎｗｈｉｌｅ，ｉｔ ｉｎｃｏｒｐｏｒａｔｅｄ ｐａｉｒｗｉｓｅ ｃｏｎｓｔｒａｉｎｔｓ ｉｎ ｄａｔａ ｔｏ ａｓｓｉｓｔ ｃｌｕｓｔｅｒｉｎｇ ｓｅａｒｃｈ．Ｅｘｐｅｒｉｍｅｎｔｓ ｏｎ ｓｙｎｔｈｅｔｉｃ ａｓ ｗｅｌｌ ａｓ ｒｅａｌ ｗｏｒｌｄ ｄａｔａｓｅｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｎｅｗ ｐｒｏ ｐｏｓｅｄ ｍｅｔｈｏｄ ｗｉｌｌ ｎｏｔ ｂｅ ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ｓｃａｌｅ ｐａｒａｍｅｔｅｒ ａｎｄ ｉｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｍｏｒｅ ｒｏｂｕｓｔ，ｌｅａｄｉｎｇ ｔｏ ｓｕｂｓｔａｎｔｉａｌ ｐｅｒｆｏｒｍａｎｃｅ ｅｎｈａｎｃｅｍｅｎｔ ｏｆｃｌｕｓｔｅｒｉｎｇ． Ｋｅｙ ｗｏｒｄｓ：ｓｐｅｃｔｒａｌ ｃｌｕｓｔｅｒｉｎｇ；ｐａｔｈｂａｓｅｄ ｃｌｕｓｔｅｒｉｎｇ；ｓｅｍｉｓｕｐｅｒｖｉｓｅｄ ｃｌｕｓｔｅｒｉｎｇ；ｓｃａｌｅ ｐａｒａｍ