欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
现有核聚类算法需要学习完整的核矩阵，计算效率较低，仅适用于小规模数据，对此提出了基于图谱理论的核函数分类算法。首先，基于图谱理论建立无标记数据的相似度图；然后，计算其拉普拉斯矩阵，并选取拉普拉斯矩阵的部分特征向量来学习；最后，利用核K-means算法实现数据分类。对比实验结果证明，本算法在具有较好聚类性能的前提下，计算效率明显优于其他同类型算法，并适合中型及大型规模数据分类处理。
英文摘要：
For the problem that the existing kernel clustering approaches need to learn the entire kernel matrix with the low compute efficiency, aimed at it proposed a clustering approach based on the spectral. Firstly, it based on spectral construct the similarity graph ; then, computed the Laplacian matrix for the graph and select little part of the matrix to learn; lastly, realized the classification with kernel K-means approach. The simulating results prove that the proposed approach has better compute efficiency than the other keruel clustering approaches with a comparable clustering performance and works for big scale data.
同期刊论文项目
同项目期刊论文
期刊信息
位置：