论文部分内容阅读
传统的聚类算法一般使用欧氏距离获得数据的相似矩阵，在处理一些较复杂的数据时，欧氏距离由于不能反映全局一致性，因此无法有效地描述出数据点的实际分布。提出了一种基于秩约束密度敏感距离（RankConstraintsDensitySensitiveDistance，RCDSD）的自适应聚类算法。该方法首先引入密度敏感距离的相似性度量得到相似矩阵，有效地扩大了不同类数据点之间的距离，缩小了同类数据点间的距离，从而解决了传统聚类算法使用欧氏距离作为相似性度量导致聚类结果出现偏差的弊端；其次，在相似矩阵的拉普拉斯矩阵