-
题名基于核协方差矩阵的无监督数据聚类
被引量：2
- 1
-
-
作者
程宁
戴远泉
-
机构
湖北轻工职业技术学院计算机学院
-
出处
《计算机应用与软件》
北大核心
2023年第5期288-296,共9页
-
基金
湖北省教育科学规划2018年度立项课题项目(175)。
-
文摘
为解决数据向量聚类模型过于依赖先验知识以及有监督训练问题,提出一种基于核协方差矩阵的无监督数据聚类方法。将核学习和基于矩阵因子化的聚类问题耦合到一个联合公式中,使得核协方差矩阵的秩等于聚类的数目,从而确保来自不同类的元素弱相关,类内数据强相关;根据数据的信息含量,利用核协方差矩阵的稀疏相关矩阵分解对数据进行聚类,在生成稀疏矩阵因子时引入基于l_(1)-l_(2)的稀疏性度量,从而有效地降低计算复杂性;利用基于凸函数差分算法的优化公式,解决全局的、高度非凸的问题。通过高光谱图像、人类活动和文档分类三个数据集的验证,结果表明该方法能够保证良好的无监督聚类效果,并且不需要参数的调整和选择。
-
关键词
聚类
无监督
协方差矩阵
稀疏性度量
-
Keywords
Clustering algorithm
Unsupervised
Covariance matrix
Sparsity measure
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
