论文部分内容阅读
在传统谱聚类算法中，构造相似矩阵时需要人为输入尺度参数；除此之外，之后的k-means过程中还需要人工输入确切的聚类数目，而以上两个参数对聚类效果影响巨大。针对以上问题，提出了一种基于自然邻的自适应谱聚类算法。该算法不需要人为输入任何参数，完全实现自适应，主要方式是通过自然邻算法获取各点之间的邻近信息，其中包括自然邻个数、自然逆邻个数、自然邻居集以及自然逆邻居集。通过实例分析，在多重尺度数据集下或者在流行数据集中，充分利用以上先验信息构造出更加符合实际情况的相似矩阵。另外，根据近邻传播思想获得聚类数目。将