一种尺度参数与初始中心自适应的谱聚类算法

摘要

提出一种尺度参数与初始中心自适应的谱聚类算法。与传统谱聚类算法中使用全局尺度参数相比,本算法根据样本数据点邻域信息自适应确定的局部尺度参数,充分考虑了数据的内在结构,并且将粒子群优化的FCM算法引入算法中,寻找最优粒子作为初始中心,解决初始聚类中心敏感性问题。实验结果表明,文章提出的算法相比原始谱聚类算法,聚类结果更稳定,正确率更高。