一种基于抽样改进加权核K-means的大数据谱聚类算法

作     者：金海 张劲松 吴睿 JIN Hai;ZHANG Jinsong;WU Rui

作者机构：深圳职业技术学院广东深圳518055 浙江工业大学浙江杭州310014 西安交通大学陕西西安710061 

基　　金：国家自然科学基金(61501337) 深圳职业技术学院校级基金课题(601522S25007) 

出 版 物：《测绘通报》 (Bulletin of Surveying and Mapping)

年 卷 期：2018年第11期

页      码：78-82页

摘      要：经典谱聚类将数据聚类转化为加权图划分问题,在分析Normalized Cut目标函数与加权核K-means函数等价基础上,设计了一种基于抽样改进加权核K-means算法的大规模数据谱聚类算法。算法通过Leaders进行初始聚类预处理,以控制后续随机抽样的数据规模及对原始数据类别的覆盖,通过抽样子集内加权核K-means迭代优化,避免Laplacian矩阵特征分解的大量资源占用,从而以部分核矩阵的使用避免全部核矩的时间、空间复杂度。试验结果表明,改进算法在保持与经典算法相近聚类精度基础上,大幅提高了聚类效率。

主 题 词：大规模数据集谱聚类 加权核K-means算法 数据抽样 核矩阵 

学科分类：081603[081603] 081802[081802] 07[理学] 08[工学] 070503[070503] 0818[工学-交通运输类] 0705[理学-地理科学类] 0816[工学-纺织类] 

D　O　I：10.13474/j.cnki.11.2246.2018.0354

馆 藏 号：203406657...